【目的】输电线路是电力系统的重要组成部分，其中大多数线路故障由雷击引起。雷击干扰识别是行波故障分析准确性的关键。为快速识别500 kV超高压直流输电线路中的雷击故障，保障电力系统的稳定运行，提出了一种基于自动化方法的雷击故障识别技术。【方法】利用字典学习算法对输电线路信号进行去噪，构建信号幅值波动最小误差目标函数，并通过热启动更新字典和牛顿迭代法优化字典矩阵，从而获得高纯度的雷击故障信号，有效降低噪声干扰，提高识别精度。采用小波时间熵技术提取去噪信号中的关键特征。通过小波变换生成小波系数，重构特定层的系数，并定义滑动时间窗以计算熵和信息量，从雷电流暂态信号中提取特征，为故障识别提供数据支持。收集不同雷击特征信号，采用集成学习算法训练特征，生成多个弱分类器，并通过权值融合为强分类器，用于分类每一个雷电流暂态信号样本，提高分类器的泛化能力，使其能够应对不同种类的雷击故障信号。利用麻雀算法优化分类器，通过随机初始化种群、适应度计算、筛选麻雀、更新麻雀发现者与加入者、变异更新等步骤获得分类器的最优参数，并将其应用于优化后的分类器中，实现500 kV超高压直流输电线路雷击故障的自动化识别。麻雀算法作为启发式优化方法，具备自适应性与全局搜索能力，可快速在复杂搜索空间中找到最优参数，提高优化效率与识别速度。【结果】实验结果表明，去噪后信号信噪比(SNR)高于40 dB,识别均方误差(MSE)低于1.5,识别效率超过90%,平均识别时间约为2.5 s,能够准确、高效地识别500 kV超高压直流输电线路中的雷击故障。【结论】本文方法为500 kV超高压直流输电线路雷击故障的自动化识别提供了一种新技术，显著提升了识别精度和效率，为电力系统的安全稳定运行提供了有力支持。此外，该方法可推广应用于其他输电线路故障的识别，具有广泛的应用价值。