在国家互联网+战略以及5G网络即将到来的大背景下,各大运营商对于移动通信基站建设数量大幅增加。而蓄电池作为基站备用电源是供电系统中的关键部分,如果在发挥作用时产生故障就会造成通信业务系统的阻断。由于通信基站具有站点环境复杂;数目巨大且分布位置广泛;无人看守等特点;而基站蓄电池作为备用电源使用时产生了较多问题,因此需要一种高效智能的基站蓄电池运维与调度系统。基站蓄电池剩余容量(SOC)监控是对基站蓄电池运维与调度的前提,因此,对蓄电池SOC进行准确估算意义重大。本文使用RBF神经网络作为蓄电池SOC的估算模型。首先引入L1/2正则化来选取适当数目的神经网络隐层节点;然后通过基于模糊理论的放缩算法提高神经网络泛化能力;接着将模拟退火算法融入梯度下降法中,从而改善了训练过程中极易产生较差的局部最优解需要大量重复训练的现象。最后介绍开发搭建的基站蓄电池运维调度系统软件和硬件,提出一种在满足基站进行紧急运维条件下,成本优化的维修站点选址以及运维调度路线算法。本文主要工作和相应内容如下:1.在使用RBF神经网络进行训练过程中,神经网络的性能取决于网络结构特别是隐层节点数。节点数过少时无法通过训练学习到数据特征也就无法得到准确的结果;节点数过多时对数据特征过度学习而产生了过拟合现象,导致估算过程中会产生较大误差。由于正则化具有稀疏模型的能力,本文通过L1/2正则化算法对RBF神经网络隐层节点数进行选择从而得到合适的隐层节点数。对于一个训练好的神经网络而言,其泛化能力高低是衡量该神经网络性能是否优秀的重要标准;它决定了在处理新数据时神经网络能够进行准确估算的能力;因此,通过基于模糊理论的放缩算法来提高.神经网络泛化能力。而梯度下降法初始点的随机选择导致所得解极易陷入局部最小值,将模拟退火算法思想融入该训练算法中从而赋予了在搜索解过程中的跳变能力,进而摆脱不满足要求的局部最优解而向全局最优解靠近。通过实验仿真验证了上述改进。2.对基站蓄电池运维调度系统进行搭建与开发。对于硬件部分,阐述了在系统开发中设计制作的核心控制模块及相应实物图;对于软件部分简要描述了基于Visual Studio开发的运维调度平台的系统模块单元功能,并且对该平台的数据传输功能进行测试验证。最后结合蓄电池SOC估算,在使得基站能够得到及时运维的前提下,提出一种基于成本优化的维修站点选址以及调度路线设计和人员派遣算法方案。