本发明涉及一种基于频繁模式挖掘的富风期风电小发事件统计特性模型的预测方法，首先提取各风电场发生富风期风电小发事件时对应的持续时间段、间隔时间段；然后基于K‑means聚类算法分别对持续时间段、间隔时间段模式进行聚类分析得到不同的基本模式，同时得到各基本模式对应的气象特征，训练支持向量机分类器，从而使用基本模式对风电功率序列进行事件序列重编码；最后，通过APRIORI关联分析算法对事件序列进行挖掘得到富风期风电小发事件与事件之间的关联关系，进而建立富风期风电小发事件的自相关统计特性模型，通过模型进行预测。该方法深入挖掘出富风期风电小发事件之间的自相关特性，有效地解决了难以用数学模型建模的问题。