La estimación precisa del estado de carga (SOC) de las baterías de litio es crucial para el funcionamiento seguro y óptimo de los sistemas de gestión de baterías (BMS). Los métodos tradicionales de estimación de SOC suelen estar limitados por la inexactitud del modelo y la interferencia del ruido. En este estudio, se propone un novedoso modelo de red neuronal cerebelosa difusa de tipo-2 (Type-2 FCMNN) para estimar con precisión el estado de carga de las baterías de litio. Basado en el modelo tradicional de red neuronal cerebelosa difusa (FCMNN), se introducen de manera innovadora reglas difusas de tipo-2 para mejorar la robustez del modelo frente a incertidumbres y perturbaciones de ruido. Esto permite que el modelo pueda hacer frente de manera más eficaz a la complejidad no lineal y a las perturbaciones externas al tratar la estimación de SOC de las baterías de litio y mejora significativamente la precisión de la predicción.