一种基于元学习的输电线路风偏闪络风险的预测方法，涉及输电线路风偏故障技术领域，用于对输电线路风偏闪络风险进行预测。包括数据预处理、模型初始化参数的学习、输电线路风偏角的计算、神经网络模型性能的评估和评定输电线路风偏风险等级五个步骤。本发明通过采用元学习算法对神经网络模型初始参数进行学习，加快模型训练时的收敛速度，有效避免了过拟合，提高输电线路风偏闪络的计算精度。相对于传统的神经网络，无需大量训练数据集，可实现在小样本集上快速拟合。同时，充分考虑多种风偏闪络微气象、地形和线路参数影响因素，更加合理准确地评判风偏风险等级。另外，本发明可以为有效预防和开展输电线路风偏灾害防治提供技术支撑。