摘要：针对直流线路保护和故障测距易受非故障性雷击干扰、传统基于时域和频域特征构造的输电线路雷击干扰识别方法存在阈值难以整定和噪声鲁棒性较差的问题，提出使用深度学习方法实现雷击干扰与短路行波特征自动提取与分类，相模解耦和小波包分解后得到的电流、电压行波分量作为不同通道输入至一维卷积模块注意力模块卷积神经网络（CBAM-CNN）分类模型。通过仿真和算例分析验证了所提模型相比传统方法具有更高的识别正确率，CBAM能有效提升CNN分类模型的噪声鲁棒性，同时验证了4层小波包分解与所提CBAM-CNN模型的结合具有最佳的性能。

      关键词：卷积神经网络；卷积模块注意力模块；小波包分解；直流输电线路；雷击干扰；时频分析

      中图分类号：TM28     文献标识码：A