发电厂、变电站里广泛使用的直流电源供电系统对电力生产的稳定可靠起着相当大的作用,直接影响着系统的安全.这类系统中广泛使用的是阀控铅酸密闭蓄电池,它作为在线备用电源更是保证直流电源系统供电不间断的关键.它的工作状态好坏直接关系到整个直流电源系统的可靠运行.因为阀控铅酸密闭蓄电池本身是个新兴产品,缺乏相关维护经验,并且蓄电池是一个非常复杂的非线性系统,影响蓄电池工作的因素很多.蓄电池的劣化是一个长期的变化过程,如何准确检测它的劣化程度也就是健康状态SOH(State-of-health)是蓄电池用户普遍十分关心的问题,所以在这样的系统中蓄电池的在线自动检测成为一项非常重要的工作.本文通过详细分析了铅酸蓄电池的电化学特性、铅酸蓄电池故障机理和影响剩余容量的因素,以及现有对蓄电池剩余容量检测方法分析的基础之上,开发出了针对发电站、变电站等蓄电池长期运行容量不足的问题而研制的蓄电池在线检测装置.传统的解决办法是人工定期对电池进行充放电,这样既增加了工作人员的劳动强度,又对工作人员的安全构成危险,不能对电池的工作过程进行全程自动控制,效果不好.蓄电池在线检测装置通过采用瞬时的大电流脉冲对蓄电池放电,不但检测出了电池的健康状况,并能准确检查出个别单体电池的损坏.而且可以消除了蓄电池的极化电压,在线活化了电池,延长了电池的使用寿命.考虑到蓄电池是一个复杂的非线性系统,它在充放电过程中,内部存在着极为复杂的物理、化学变化,所以在没有任何先验知识的前提下,引入人工智能和智能控制领域中神经元网络理论和模糊预测以及自适应思想,为蓄电池模型的建立提供了一定的帮助.因为多层神经网络可无限逼近一个多输入多输出的非线性函数,从而可以采用这种方法对蓄电池模型进行辨识.文中最后对蓄电池的剩余容量建立了自适应模糊神经网络模型,这种网络集成了模糊系统的模糊规则表达和神经网络规则提取的优点,并运用最小二乘法和梯度下降法的混合算法对模型进行了仿真,结果表明运用这种方法对蓄电池健康状况进行预测是有效的,对于研究变化复杂的电池曲线,提供了一个可行的解决途径为,为蓄电池剩余容量的监测提供了一种新的解决思路.