铅酸蓄电池作为一种储能设备,应用于人们的生产与生活的方方面面。密封式阀控铅酸蓄电池（valve-regulated lead-acid battery,VRLA battery）作为铅酸蓄电池的一种,由于其免维护、密封防漏液等优点,其作为储能装置大量地应用于电力通信系统中。健康状态（state of health,SOH）与荷电状态（state of charge,SOC）信息都是VRLA电池的评价性能的关键参数。通过监测在线VRLA电池的SOH和实时的SOC信息,可发现一个蓄电池组里是否存在健康状态较差的VRLA电池,并及时替换和更新,有利于蓄电池组的维护和管理工作的开展与进行。VRLA电池实时的健康状态SOH与剩余容量状态SOC的估算以及衍生的电池故障分析,已成为电池管理与应用领域的研究热点。论文首先简单介绍了VRLA电池的相关概念和在电力通信系统中的相关应用,总结了VRLA电池的SOH与SOC估算的研究现状。实践表明,Thevenin模型可以很好地表征VRLA电池的静态及动态特性,一般常采用该模型的参数作为SOH与SOC估算的输入。在SOH估算中,首先拟合了SOH=f（R₁）曲线方程,粗略地估算SOH;然后使用最小二乘法估算SOH,估算误差进一步缩小,最后应用RBF神经网络算法估算SOH,估算精度很高。在SOC估算中,估算分为充电和放电两个过程,考虑Thevenin模型中参数的不断变化,分阶段拟合E-SOC曲线,结合卡尔曼滤波算法估算SOC。最后一部分是电池故障诊断,结合电池结构与模型的联系,进行电池各部分结构的破坏实验,通过测量Thevenin模型中参数变化规律来对电池进行故障诊断,这为评价VRLA电池健康状态提供一些辅助功能。论文以广州耐普公司的生产的NPP型VRLA电池作为实验研究对象,在电力通信系统控制温度即25℃恒温条件下开展了的VRLA电池充、放电特性实验。同时,也开展SOH估算相关准备实验。通过实验采集数据用于Matlab软件仿真实验SOH与SOC的估算,发现最小二乘法估算SOH,最大误差在10%以下,而径向基网络优化估算SOH的估算最大误差在5%以下,平均误差在1%以下;卡尔曼滤波估算SOC的估算误差可缩小至3%以下。若将这套估算VRLA电池的SOH和SOC的算法应用在蓄电池在线管理系统中,可以发挥一定和有效的电池维护作用。