本发明公开一种基于PASDA和FTS的风电爬坡事件识别方法，首先将时间分辨率为15分钟的风电功率数据通过不同的滤波方法预处理，减少噪声和不合理数据影响；进而将预处理后的数据投入基于常规旋转门算法的参数自适应改进模型中，在保留功率数据波动趋势和降低压缩误差的基础上将数据量压缩到最低，提高识别的反应速度；随后对压缩后的数据进行波动趋势特征提取和筛选，消除bump事件等降低识别精度的事件所代表的的波动趋势特征，获得具有上/下爬坡趋势的风电功率数据集；最后基于三种常见定义的不同时间和阈值条件，识别获得风电爬坡事件的数量结果和起止时间结果。通过本发明方法可以提高爬坡事件识别方法的适用范围，提高识别精度，具有推广价值。