A estimação da curva de potência em turbinas eólicas tem sua importância na predição da
potência elétrica gerada, monitoramento e funcionamento de aerogeradores, e assim, afetando
o investimento a ser realizado em parques eólicos. Todavia, os dados às vezes podem conter
outliers, o que podem atingir de forma significativa a modelagem. Utiliza-se da Regressão
Polinomial, técnica clássica muito empregada para esse objetivo, e atualmente, vem ganhando
destaque a utilização da Rede Perceptrom de Múltiplas Camadas (MLP) e recentemente, surge a
Máquina de Aprendizagem Extrema (ELM, Extreme Learning Machine) que tem demonstrado
ser uma solução plausível para modelagem global. Neste artigo, além das técnicas mencionadas,
são apresentadas também as Redes Neurais Artificiais (RNA’s): Rede Mapa Auto Organizável
com K vencedores (KSOM) e Mapeamento Linear Local (LLM), sendo estes baseados na
modelagem local. Estes modelos serão implementados por meio das técnicas dos Mínimos
Quadrados Ordinários (OLS) e Estimador M, para obtenção dos parâmetros a serem utilizados
na estimação, verificando o efeito dos outliers nos dados empregados. Nos resultados foram
atestados através de análises qualitativas e quantitativas, que os modelos propostos baseados
em modelagem local, comparados às técnicas convencionais, são soluções alternativas para
estimação da curva de potência em aerogeradores.