随着配电网规模与复杂程度的不断扩大,以及大规模可再生能源和电动汽车等可变冲击负荷并入配电网,负荷需求的不确定性与可再生能源出力的间歇性对配电网电压稳定性构成严重挑战。传统分散式电压控制具有响应时间短、控制灵活等特点,适合配电网局部电压控制,但无法保证配电网运行的整体经济性;而集中式电压控制虽然能够保证配电网电压调控策略的全局最优性,但具有计算负担重、响应时间较长的缺点。鉴于边缘计算技术、云计算技术以及物联网技术的飞速发展,利用云边协同技术合理分配配电网调控任务以提升配电网的运行可靠性成为可能,鉴于此,本文提出一种基于云边协同的日前-日内电压控制方法。本文首先分析了云边协同架构下配电网电压控制的总体架构。即配电云主站负责对各供电区域与新能源场站功率预测模型的训练,以及日前各电压调整设备最优运行点的设定,而各边端区域的智能融合终端则进行本区域内功率预测以及各调压设备的精细化调整。其次,在云边协同架构下提出在云端对基于长短时记忆（Long-Short Term Memory,LSTM）神经网络功率预测模型进行训练;在边端根据云端下发的训练完成的功率预测模型对各区域内的负荷需求和新能源有功出力进行预测。云端训练过程中,针对传统自适应矩估计（Adaptive Moment Estimation,Adam）训练算法存在易陷入局部最优陷阱的缺点,提出采用分布估计（Estimation of Distribution Algorithm,EDA）算法与Adam算法相结合的两阶段训练算法。并在配电云主站综合考虑安全性、经济性,以配电网日前网损最低和调压成本最低为目标,基于改进的多种群遗传算法求解了整个配电网每个调压设备最优运行点的Pareto解集。然后,基于配电云主站为各控制区域下达的满足配电网全局安全、经济运行的可行解,将各区域始端节点视为电压平衡节点,实现各边端区域之间电压的解耦控制,以边端各区域电压均方根最小作为边端控制目标,提出一种基于雅可比灵敏度矩阵的梯度下降法求解边端模型,进行更加细粒度的线路调压变压器、并联电容器及静止无功补偿器调节。最后,采用公开负荷需求数据集并参考IEEE节点算例对本文所提的功率预测算法和云边协同电压控制算法的有效性进行验证分析。算例结果表明,本文所提出的改进训练算法以牺牲一定训练效率获取了更高的负荷预测精度,而所提出的云边协同电压控制方案较传统的电压控制方法具有更好的调压效果,能进一步降低配网整体的电压偏差。进一步的,本项目依托国网江苏省南京市江宁区某配电网无功电压协同调控工程在夏季用电高峰时段经常出现大范围持续性的台区低电压问题,部署配电云主站与智能融合终端进行了成果应用。