一种基于人工智能的低压并联电容器剩余使用寿命预测方法

本发明是一种基于人工智能的低压并联电容器剩余使用寿命预测方法。本发明涉及电容器剩余使用寿命预测技术领域，本发明方法综合考虑多种环境因素，采用结合卷积神经网络(CNN)和鲸鱼优化算法(WOA)的改进型双向长短期记忆网络(BiLSTM)，以提高预测的精度、速度和鲁棒性。通过与传统长短期记忆神经网络(LSTM)模型进行对比，实验结果表明，本发明在均方根误差(RMSE)和平均绝对误差(MAE)上均有显著降低，提升了预测结果的稳定性和可靠性。本发明能够有效减少因预测误差引起的电力系统损失，提升设备运行效率，延长设备使用寿命，具有较高的实际应用价值。