针对变电站铅酸蓄电池容量预测模型存在的预测准确率低、泛化能力差等问题，提出一种基于Dropout优化算法和长短期记忆LSTM（long short-term memory）神经网络相结合的容量预测模型。该模型以LSTM神经网络为基础，结合变电站蓄电池充放电特性，将长时间跨度的蓄电池运行数据作为模型的输入，建立多层级LSTM预测模型来提升预测结果的准确率。同时基于Dropout优化算法完成LSTM预测模型的训练，提升模型的泛化能力。工程实际应用表明，相较于传统的LSTM神经网络和BP神经网络，改进模型在长时间跨度预测时具有更高的准确率和更好的泛化能力。