本发明公开了一种基于深度神经网络的锂离子电池表面温度估计方法及系统，该方法包括以下步骤：步骤S1：获取固定环境温度的多种混合驾驶循环方式下电池的电荷状态作为训练数据集；步骤S2：将所述训练数据集输入到前馈神经网络模型，得到初级前馈神经网络模型；步骤S3：将所述训练数据集输入到与优化后的前馈神经网络模型中进行训练，输出权值；步骤S4：将权值加载至优化后的前馈神经网络模型中，对目标电池的表面进行温度估计。本发明占用内存小可以嵌入到BMS微处理器中，并且本发明可以适应现实的、具有挑战性恒温以及变化温度下的驾驶环境，具有误差小、处理速度快的特点。