Los vehículos eléctricos (EVs) han adquirido una popularidad significativa en las últimas décadas debido a su rendimiento y eficiencia. Los EVs ya son ampliamente reconocidos como las soluciones más prometedoras para los desafíos ambientales globales y las emisiones de CO. Las baterías de iones de litio son las más empleadas en los EVs debido a sus diversos beneficios. Un Sistema de Gestión de Baterías (BMS) efectivo es esencial para mejorar el rendimiento de la batería, incluido el control de carga y descarga, monitoreo preciso, gestión del calor, seguridad y protección de la batería, y también una estimación precisa del Estado de Carga (SOC). El SOC es necesario para proporcionar al conductor una indicación precisa del rango restante. En la actualidad, existen diferentes tipos de algoritmos de estimación disponibles, pero aún presentan varios desafíos debido a la degradación del rendimiento, reacciones electroquímicas complejas e inexactitudes. Las técnicas de estimación, el error promedio, ventajas y desventajas fueron examinados metódicamente e independientemente para este artículo. El artículo presenta técnicas avanzadas de estimación de SOC, como LSTM, GRU y CNN-LSMT, y técnicas híbridas para estimar el error promedio del SOC. Se presenta una comparación detallada con méritos y deméritos, que ayudó a los investigadores en la implementación de aplicaciones de EV. Esta investigación también identificó varios factores, desafíos y recomendaciones potenciales para un BMS mejorado y enfoques de estimación eficientes para futuras aplicaciones sostenibles de EV.