En la búsqueda de objetivos de cero emisiones, el aumento de las preocupaciones por la sostenibilidad ha llevado a los centros urbanos a adoptar modos de transporte más amigables con el medio ambiente, notablemente a través del despliegue de vehículos eléctricos (VE). Una manifestación prominente de este cambio es la transición de autobuses convencionales alimentados por combustibles a autobuses eléctricos (e-buses), que, a pesar de sus beneficios ambientales, introducen desafíos operativos significativos, siendo la gestión de los sistemas de baterías, el componente más crítico y complejo de los e-buses. El desarrollo de Sistemas de Gestión de Baterías (BMS) eficientes y confiables es, por lo tanto, fundamental para garantizar la longevidad de la batería, la seguridad operativa y el rendimiento general del vehículo. Este estudio examina el potencial de los BMS inteligentes para mejorar el diagnóstico de la salud de la batería, prolongar la vida útil del servicio y optimizar el rendimiento del sistema a través de la integración de simulación, análisis en tiempo real y técnicas avanzadas de aprendizaje profundo. Se hace especial hincapié en la estimación del estado de salud de la batería (SoH), una métrica clave para el mantenimiento predictivo y la planificación operativa. Se evalúan dos modelos de aprendizaje profundo ampliamente reconocidos: Perceptrón Multicapa (MLP) y Memoria a Corto y Largo Plazo (LSTM), por su eficacia en la predicción de SoH. Estos modelos se integran en un marco unificado que combina datos sintéticos generados por un modelo de simulación de baterías informado por la física con mediciones empíricas obtenidas de conjuntos de datos del envejecimiento de baterías del mundo real. El enfoque propuesto demuestra un camino viable para mejorar la predicción de SoH aprovechando tanto la ampliación de datos basada en simulación como el aprendizaje profundo. Las evaluaciones experimentales confirman la efectividad del marco en el manejo de diversos datos de entrada, apoyando así soluciones de gestión de baterías más robustas y escalables para los sistemas de transporte urbano eléctrico de próxima generación.