随着航天技术的快速发展,越来越多的卫星被发射到太空中执行各种各样的任务。而电源系统为卫星在轨运行提供动力,一旦电源系统出现故障,卫星将无法正常工作。随着卫星系统功能愈加复杂,在轨故障率明显增加,电源系统的健康状态常常是制约卫星的重要因素。因此采用故障诊断与健康管理（prognostics and health management）技术对卫星电源系统进行有效可靠的健康评估具有非常重要的现实意义和应用价值。论文介绍了卫星电源系统两大部件——太阳电池阵、蓄电池,主要研究健康状态的退化估计方法,主要工作如下:首先,根据影响太阳电池阵输出功率特性的环境因素,提出了基于聚类的太阳电池阵退化估计方法。该方法利用聚类算法对环境因素进行聚类以寻找太阳电池阵太空环境下的同工况点,从而对太阳电池阵输出功率退化进行可靠的评估。其次,同时针对遥测数据不同的问题,提出了一种基于波峰电流的太阳电池阵退化数学模型。该方法通过将波峰电流变化分为周期性和长期衰减进行输出功率波动拟合,采用长期衰减部分对太阳电池阵退化进行评估,同时还可以外延模型趋势,预测其输出功率变化情况。然后,针对卫星电源系统另一重要组件蓄电池,提出了一种基于样本熵的蓄电池健康状态区间预测方法。首先从放电电压数据中提取截止电压和样本熵作为输入,容量数据作为输出。通过优化的上下边界估计神经网络模型有效的降低模型误差,使预测得到的预测区间更加准确。最后,通过大量实验以及多个卫星对提出的退化分析方法进行了实验对比研究,验证了本文所提方法可以有效实现卫星电源部件的健康状态分析,相对于已有方法具有明显优势。