Con el aumento del uso de baterías, también aumenta la complejidad de los sistemas de gestión de baterías (BMSs). Por lo tanto, evaluar la funcionalidad de los BMSs y el rendimiento del hardware del BMS es de suma importancia. La prueba con placas integradas en una etapa temprana del desarrollo del BMS es un enfoque pragmático para desarrollar un BMS porque es rentable y eficiente en tiempo, y considera el rendimiento del hardware. En este estudio, probamos y analizamos la estimación en tiempo real del estado de carga (SOC) utilizando una plataforma de pruebas con un rendimiento limitado de la CPU, así como recursos de memoria de la placa integrada. Recopilamos datos de la batería en base a una sola celda utilizando un circuito equivalente de RC de primer orden y logramos una precisión del 95% en comparación con los datos medidos obtenidos utilizando pruebas reales de baterías. El método de estimación del SOC aplica el filtro de Kalman extendido (EKF) y el filtro de Kalman sin olor (UKF). El experimento se realizó en la plataforma de pruebas en tiempo real, con un 1%, 2% y 5% de ruido en los datos de medición. La complejidad del algoritmo y la implementación del hardware se evaluaron en términos de los recursos utilizados y la velocidad de procesamiento. Aunque el EKF es rentable, su tasa de error aumenta en un 5% con la interferencia de ruido. El UKF muestra una alta precisión y robustez al ruido; sin embargo, tiene una alta ocupación de recursos.