Los contactores de CA se utilizan con frecuencia en diversas líneas de control de baja tensión, por lo que la predicción de la vida útil restante de estos puede mejorar significativamente la fiabilidad operativa de los sistemas de control de energía. Para abordar el problema de que los métodos existentes de predicción de la vida útil restante de los contactores de CA no aprovechan completamente la correlación entre los estados anteriores y posteriores en el proceso de degradación, se propone un método CNN-GRU (red neuronal convolucional - unidad recurrente con compuertas) para la predicción de la vida útil restante de los contactores de CA. En primer lugar, se obtiene todo el ciclo de los datos de degradación de un contactor de CA a través de una prueba de vida completa, de la cual se extraen los parámetros característicos que reflejan eficazmente los estados operativos del contactor; en segundo lugar, se utilizan el análisis de componentes vecinales (NCA) y el coeficiente de información máxima (MIC) para eliminar la información redundante de los parámetros multidimensionales con el fin de seleccionar el subconjunto de características óptimo; y luego, se utiliza CNN para comprimir la dimensión de las características y extraer la información regular entre las características, con el fin de extraer los vectores de características efectivos; finalmente, tomando la vida eléctrica restante del contactor de CA como un problema de larga secuencia temporal, se realiza una predicción precisa de series temporales utilizando GRU. Se verifica que este modelo es mejor que los modelos RNN (red neuronal recurrente), LSTM (memoria a largo y corto plazo) y GRU en predicción, con una precisión efectiva del 96.63%, lo que apoya eficazmente la viabilidad de la predicción de series temporales en el campo de la predicción de la vida útil restante de dispositivos eléctricos.