深度学习和数据驱动技术的快速发展为历史数据下的配电网无功优化提供了新的解决方案。提出了一种基于一维卷积神经网络的配电网无功优化方法。利用配电网节点的历史负荷数据，通过优化算法得到相应的无功优化策略，并将该无功优化策略应用于二进制编码。训练一维卷积神经网络模型，映射节点负荷与配电网无功优化策略之间的非线性关系，并将训练后的模型用于配电网无功优化。对改进后的IEEE33配电网节点系统的仿真结果表明，与九区图无功优化相比，该方法显著降低了节点电压偏移量和节点电压偏移量。