雷电的产生是雷云厚度、空气温湿度、风速风向、地形、地表植被和输电线路运行状态等多种因素共同作用的结果。利用这些全景数据分析其与雷击之间的关系,对雷击做到提前预警,能有效的减少雷击带来的损失。目前我国在雷电监测、预测和研究方面还比较薄弱,特别是在输电线路雷击预警方面的研究较少。现有的架空输电线路雷击预警方法大多是基于单变量进行的。其忽略了引起雷击发生的微气象、微地形及输电线路本体信息等全景数据之间的关系,并且其预警粒度大,对于电力系统防雷决策指导意义不大。针对上述两个问题,本文建立了涵盖微气象、微地形及杆塔本体属性的,全景数据驱动的输电线路杆塔雷击预警模型。具体工作如下:1)首先利用基于K近邻法的支持向量机(k-Nearest Neighbor Support Vector Machine,k NN-SVM)对电网积累的雷电活动的历史数据进行深度学习,训练出一种有监督的输电线路雷击预警模型;2)其次提出一种基于邻域保持嵌入(Neighborhood Preserving Embedding,NPE)算法的输电线路杆塔雷击预警模型,利用输电线路正常状况下的历史数据训练模型,建立SPE统计限,利用未来采集的新数据输入到模型空间中计算其SPE统计量,若新数据的SPE统计量超过雷击预警模型统计限则表示新数据异常,与其对应杆塔有被雷击的风险;3)最后,基于普洱供电局提供的孟西T线2016年内的统计数据,利用MATLAB进行试验仿真,验证了全景数据驱动的输电线路杆塔雷击预警模型的有效性;实现了基于JAVA与MATLAB混合编程的输电线路杆塔雷击预警模型接口设计。