我国新能源基地具有“大规模风电和光伏发电接入送端电网环节”的特征,其出力的间隙性导致了远超传统电网的电压波动问题,给电力系统无功电压运行带来了巨大的压力,同时在用电侧分布式发电与微网的发展使得源荷双侧多样性增加、不确定性增强,运行场景愈加复杂,如何协调网内各类无功控制设备实现电网无功电压精细化控制是当前亟待解决的问题。目前在线电网无功优化多利用EMS系统所获取的实时数据进行,属于事后校正控制,控制策略时效性差,难以应对源荷双侧不确定性日益增强的电网运行现状。针对上述问题,本文采用模型预测控制理论,结合电网内无功控制设备的运行特性,设计了一种基于模型预测控制的无功优化控制架构。为解决母线无功负荷预测中非线性预测的难点问题,提出一种基于双输入长短期记忆神经网络的预测方法,该方法可以基于负荷有功和无功序列数据挖掘其中的深度时序特性,表示非线性关系;算例验证表明,该方法能够准确预测母线无功负荷,其预测精度优于时间序列与一般的长短期记忆神经网络预测模型。在母线无功负荷预测模型的基础上,结合多时间尺度下无功设备协调控制需求,提出一种基于模型预测控制的电网无功控制策略。该方法基于二阶锥规划将无功控制模型中的非线性约束近似转化为二阶锥线性约束条件,建立离散无功调节设备及其动作次数的线性等价模型,通过日前计划控制、日内实时控制和反馈校正环节实现多时间尺度下电网无功精细化控制。算例表明该方法能在保证电网运行安全性下有效减少网损,降低无功设备动作次数,提升电网运行经济性。