本发明涉及一种以线损最小为优化目标的智能无功补偿方法，通过对原有电力相关数据进行清洗，获得多条时序数据，建立无功补偿时序数据集；以CNN神经网络和LSTM网络为核心构建CNN‑LSTM深度学习模型，通过CNN神经网络在无功补偿时序数据集中提取原始时间序列的特征信息，特征信息带有反应有功功率及线损变化的相关数据特征；LSTM网络根据提取的特征信息对有功功率和线损进行预测；基于CNN‑LSTM深度学习模型进行训练与测试，预测出有功功率P和线损ΔP；通过迭代优化得到使线损最小的无功功率补偿值。本发明以线损最小为优化目标，实现对最佳无功功率补偿值的预测，预测准确度高，成本低。