La fiabilidad del convertidor electrónico es una preocupación vital en un área industrializada. Los capacitores son críticos en los convertidores electrónicos y son más propensos a fallar que otros componentes electrónicos. Debido al envejecimiento, el capacitor pierde progresivamente su calidad y capacitancia originales, y la resistencia de serie equivalente aumenta. Por lo tanto, el monitoreo de condiciones es un procedimiento fundamental para evaluar la salud del capacitor que permite reparaciones predictivas para garantizar la estabilidad en las redes eléctricas. La capacitancia del capacitor se utiliza comúnmente para estimar el grado de condición. Este estudio propone un esquema de estimación que utiliza la corriente de fuente para evaluar la condición de salud de un capacitor de aluminio. Se adoptan varias técnicas de inteligencia avanzada para estimar los parámetros de un AEC en un sistema de inversor trifásico. Primero, se analizan diferentes señales utilizadas como entradas, como la potencia de entrada, la corriente del capacitor, el voltaje y la potencia, la corriente de salida, el voltaje y la potencia, utilizando transformada rápida de Fourier y análisis de transformada de wavelet discreta. Luego, varios índices de las señales analizadas, como RMS, promedio, mediana y varianza, se utilizan como entradas en modelos de aprendizaje para monitorear los parámetros del AEC. Además, se combinan varias señales de entrada para obtener las mejores combinaciones para el monitoreo del capacitor. Los resultados estimados demuestran que utilizar la corriente de fuente combinada con índices seleccionados mejora la precisión del monitoreo del estado de salud del AEC.