La temperatura es un estado crucial para garantizar la confiabilidad y seguridad de una batería durante su operación. La capacidad de estimar la temperatura de la batería, especialmente la temperatura interna, es de suma importancia para el sistema de gestión de la batería con fines de monitoreo y control térmico. En este artículo, se propone un enfoque basado en datos que combina la red neuronal RBF (Radial Basis Function) y el filtro de Kalman extendido (EKF) para estimar la temperatura interna para la gestión térmica de baterías de ion litio. Específicamente, los términos de entrada adecuados y el número de nodos ocultos para la red neuronal RBF se optimizan primero mediante un algoritmo de identificación en dos etapas (TSIA). Luego, se desarrolla el algoritmo de optimización basado en enseñanza-aprendizaje (TLBO) para optimizar los centros y anchos en cada neurona de la función de base. Después de optimizar el modelo de red neuronal RBF, se adopta un modelo térmico simplificado de