Este documento presenta una novedosa arquitectura de control integrada para sistemas de gestión de baterías automotrices (BMS). El enfoque principal se centra en estimar el estado de carga (SoC) y el estado de salud (SoH) de un paquete de baterías compuesto por dieciséis módulos conectados en paralelo (PCMs), mientras se equilibra activamente el sistema. Un desafío clave en esta arquitectura radica en la interdependencia de los tres algoritmos, donde la salida de uno influye en los otros. Para abordar este problema de control y obtener una solución adecuada para aplicaciones integradas, los algoritmos propuestos se basan en un modelo de circuito equivalente. Específicamente, los SoCs de cada módulo son calculados por un banco de filtros de Kalman extendidos (EKF); con respecto a la funcionalidad SoH, las resistencias internas de los módulos son estimadas a través de un enfoque de filtrado lineal, mientras que las capacidades se calculan mediante un algoritmo de mínimos cuadrados totales. Finalmente, se empleó un control predictivo basado en modelos (MPC) para el equilibrio activo. El controlador propuesto fue calibrado con datos de celdas de ion litio Samsung INR18650-20R. El sistema de control fue validado en un entorno de simulación a través de escenarios dinámicos automotrices típicos, en presencia de ruido de medición, incertidumbres de modelado y degradación de la batería.