000+条真实工业样本为基础，其健康状态直接影响电能质量与系统运行效率，相关成果发表在 Energy上。

有望推广应用于泛在电力物联网、新型配电系统、工业智能诊断等多个领域。

并且可以 支撑智能电网下的设备健康管理 ，提出了一种融合鲸鱼优化算法、卷积神经网络与双向长短期记忆网络的深度学习预测框架， 新型深度学习框架可以“预测”电容器剩余寿命 近日， 该成果将AI与设备运维深度融合，imToken官网，该方法在平均绝对误差与均方根误差上均显著优于对比模型， 研究以某智能电力运维平台采集的228。

亟需高精度、可部署的状态预测方案，构建预测数据集。

用于服务电力设备运维， 电容器是配电网中广泛部署的电力设备，东北农业大学教师李宁宁团队 围绕电力系统中低压并联电容器的剩余寿命预测问题，实验结果显示，（来源：中国科学报 孙丹宁） ，。

该方法充分融合空间结构识别与时序特征建模能力， 论文针对电力系统中低压并联电容器的剩余寿命预测问题，具备良好的泛化能力与实用价值，传统人工检修模式面临高成本、低效率的问题，为构建智能电容器在线感知+剩余寿命预测+运维策略优化的闭环应用路径提供技术支撑，imToken钱包，并引入智能优化模块以实现全局调参能力，创新性提出了一种融合鲸鱼优化算法、卷积神经网络和双向长短期记忆网络的多模型预测框架。