对于可再生能源发电系统中的储能技术,一方面要求有完善的蓄电池充放电控制策略,能在复杂多变的环境中满足蓄电池的充放电要求,延长电池使用寿命,另一方面要求有精确灵敏的蓄电池质量监测系统,实时捕捉蓄电池的工作状态,严格保证系统的安全运行。本文针对风机变桨系统中的备用电池(阀控式密封铅酸蓄电池),提出了一个铅酸蓄电池状态监测设计方案,并用BP神经网络对蓄电池剩余容量进行了预测。首先,本文在分析电池的基本理论知识、内阻模型的建立以及内阻检测方法的基础上设计了一个基于CY8C4245AXI-483的蓄电池状态监测系统,主要对电源供电电路、交流恒流源电路、低噪声前置放大电路、程控放大电路、AD630调制电路、串口通信电路、AD采集电路以及触摸按键和显示电路等进行了详细介绍。该系统采用CYPRESS的32位高性能处理器Psoc4200,结合微弱信号处理技术,能够对蓄电池进行单体和成组监测,包括电压、充放电电流和内阻等量,系统采用触摸按键,便于人机交互。测试结果显示,该系统能够较好的反应蓄电池的工作状态。最后,本文还就蓄电池容量的相关知识进行了介绍,提出了采用神经网络等人工智能算法对蓄电池的剩余容量进行预测的方案。该方案采用LM-BP神经网络算法,建立了三层网络预测模型,利用MATLAB软件进行了仿真,结果表明,选用LM-BP神经网络对铅酸蓄电池的剩余容量进行预测能够避免传统计算方式的复杂繁琐,具备一定的可行性。