阀控密封铅酸蓄电池（Valve-Regulated Lead-Acid battery,简称VRLA）作为后备电源在轨道交通供电系统中承担着非常重要的作用。市电正常时,蓄电池一般处于浮充状态。市电断开时,蓄电池组单独对信号、通信、机电等关键负荷供电,以避免造成重大损失。因此,蓄电池健康状态的准确评估就显得尤其重要,对其发挥作为后备电源保障紧急供电,提升可靠性具有重大意义。本文以VRLA蓄电池为研究对象,选取同一批次相同标称容量的蓄电池,用充放电机和电压、电流传感器搭建蓄电池实验平台。通过对蓄电池组进行不同工况下的充放电,模拟蓄电池的现场实际运行情况,借助加装的电压、电流传感器进行运行数据实时采集,利用实时数据进行蓄电池健康状态评估。本文首先对蓄电池组进行放电实验,发现蓄电池端电压“陡降复升现象”;其次,基于“陡降复升现象”提取出蓄电池谷底电压、复升平台电压、电压差值、谷底电流、复升平台电流、电流差值、谷底时间、复升平台时间和时间差值等9项特征因子;再次,通过主成分分析法（PCA）对特征因子进行降维,并使用皮尔逊相关系数对降维的特征量与蓄电池健康度（SOH）进行相关性判定,获取蓄电池健康评估模型的健康因子;然后,使用遗传算法（GA）对BP神经网络进行优化,建立蓄电池健康评估模型,通过实验获取的健康因子数据来训练蓄电池的健康评估模型;最后,验证健康评估模型的精度,实现对蓄电池健康度的准确评估。实验证明,本文建立的蓄电池GA-BP健康评估模型最大误差不超过5%,能够准确评估蓄电池的当前健康状态,以减少工作人员的工作强度,实现蓄电池由计划修到状态修的转变,可以减少蓄电池的运维成本,具有很大的经济意义。图54幅,表15个,参考文献62篇。