Con la auto-provisión de recursos como premisa, la computación de rocío tiene como objetivo proporcionar servicios de computación minimizando la dependencia de la infraestructura de red existente. Los dispositivos móviles tienen un gran potencial para contribuir a este paradigma emergente, no solo debido a su proximidad al usuario final, sus características de computación/almacenamiento en constante crecimiento y su omnipresencia, sino también por su capacidad para ofrecer servicios durante varias horas, incluso días, sin estar conectados a la red eléctrica. No obstante, el mal uso de la energía de sus baterías puede desanimar a los propietarios a ofrecer dispositivos como proveedores de recursos en entornos de computación de rocío. Se puede argumentar que tener estimaciones precisas de la batería restante ayudaría a aprovechar mejor las capacidades de computación de un dispositivo. En este artículo, proponemos un modelo para estimar la disponibilidad de la batería de dispositivos móviles inspeccionando trazas de la actividad real de los propietarios de dispositivos móviles y variables de estado del dispositivo relevantes. El modelo incluye un enfoque de extracción de características para obtener características/variables representativas, y un enfoque de predicción, basado en modelos de regresión y clasificadores de aprendizaje automático. En promedio, la precisión de nuestro enfoque, medida con la métrica de error cuadrático medio, supera la obtenida por un trabajo relacionado. Se realizan experimentos de predicción a cinco horas vista sobre registros de actividad de 23 usuarios móviles a lo largo de varios meses.