CN116512924B - 一种节能型电源车及使用方法、能源管理方法 - Google Patents

Abstract

本发明提供一种节能型电源车及使用方法、能源管理方法，涉及电源车设备技术领域。包括车体，所述车体一端设置有驾驶车窗，所述车体下端两侧均转动连接有一对车轮，所述车体两侧靠近驾驶车窗一端固定连接有倒车镜，所述车体两侧固定连接有车窗，所述车体上端内部固定连接有控制箱，所述控制箱上端开设有活动槽，所述控制箱上方设置有太阳能板，所述太阳能板下表面固定连接有连接底座，所述车体下端发动机箱内设置有电源箱，通过齿轮齿条的相互配合，使太阳能板达到可调节角度的目的，提高电能转换效率，达到节能环保的目的，且设置若干圆柱形散热柱，可以有效增大散热面积，同时卡合槽与卡环的设置可以使得散热风箱的拆装更加方便。

Description

一种节能型电源车及使用方法、能源管理方法

技术领域

本发明涉及电源车设备、新能源、及智能化能源管理技术领域，具体为一种节能型电源车及使用方法、能源管理方法。

背景技术

电源车是一种使用电能作为动力源的车辆，通常使用电池或燃料电池等储能装置存储能量，并通过电机驱动车轮运动。与传统的燃油车相比，电源车不产生尾气和废气，对环境污染较小；使用电动机驱动，噪音较小，在城市等噪音敏感区域使用更为适宜；电源车使用电能直接驱动，转换效率高于燃油车内燃机的转换效率，因此具有更高的能量利用效率；且电源车通常结构简单，零部件较少，维护成本相对较低，因此在环保、城市交通和物流等领域有着广泛应用。常见的电源车包括电动汽车、混合动力车、纯电动公交车、电动摩托车等。

现有中国发明专利公开号为：CN112677757A，其公开了一种节能型公交车，通过设置太阳能板利用光电效应，将太阳辐射能直接转换成电能，同时车辆快速行驶时带动风叶转动，利用风能进一步将风的动能转为电能，采用可再生能源供能，改变传统供能方式，降低成本，但是该太阳能板是固定不动的，无法根据太阳的位置来调整太阳能板的角度，不便于使用者使用，降低了太阳能板的使用性，太阳能板的效率降低，损失部分发电能力，且电源组在长期运作后，容易因温度过高导致损坏。

发明内容

（一）解决的技术问题

针对现有技术的不足，本发明提供了一种节能型电源车及使用方法，解决了现有的太阳能板角度固定，散热效果差的问题。本发明的另一个目的在于，根据电源车的实时状态和环境信息，动态地调整能源回收和管理策略，以优化能源的利用效率，节约能源。

（二）技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一种节能型电源车，包括车体，所述车体一端设置有驾驶车窗，所述车体下端两侧均转动连接有一对车轮，所述车体两侧靠近驾驶车窗一端固定连接有倒车镜，所述车体两侧固定连接有车窗，所述车体上端内部固定连接有控制箱，所述控制箱上端开设有活动槽，所述控制箱上方设置有太阳能板，所述太阳能板下表面固定连接有连接底座，所述车体下端发动机箱内设置有电源箱。

优选的，通过在太阳能板下方设置控制箱，使太阳能板达到可调节角度的目的，司机能够根据太阳位置对太阳能板进行角度调整，使其始终面对太阳光线，从而最大程度地吸收光能。

通过上述技术方案，所述控制箱内设置有固定板，所述固定板与控制箱固定连接，所述固定板一侧固定连接有固定座，所述固定座与第二气缸固定连接，所述第二气缸一端固定连接有第二伸缩杆，所述第二伸缩杆远离第二气缸一端固定连接有第二齿条，所述第二齿条与第二滑动座通过滑动连接，所述第二滑动座与第二连杆固定连接。

通过上述技术方案，所述控制箱内设置有十字杆，所述十字杆一端设置有第一固定筒，两个所述第一固定筒与十字杆转动连接，所述十字杆远离第一固定筒一端设置有第二固定筒，两个所述第二固定筒与十字杆转动连接，两个所述第一固定筒与固定板一侧固定连接，所述十字杆靠近第一固定筒一端固定连接有第二齿轮，所述第二齿轮与第二齿条通过啮合传动。

优选的，第一气缸通过第一伸缩杆带动第一齿条在第一滑动槽内滑动，由于第一齿条与第一齿轮啮合传动，且第一气缸与连接架固定连接，使得太阳能板可以通过第一伸缩杆的伸缩运动，进行左右角度的调节。

通过上述技术方案，所述第二固定筒上固定连接有连接架，所述连接架端固定连接有固定块，所述固定块远离连接架一端固定连接有第一气缸，所述第一气缸一端与第一伸缩杆固定连接，所述第一伸缩杆远离第一气缸一端与第一齿条固定连接，所述十字杆靠近第二固定筒一端固定连接有第一齿轮，所述第一齿轮与第一齿条啮合传动。

通过上述技术方案，所述连接架上端固定连接有固定轴，所述固定轴与连接底座固定连接，所述第二固定筒一端固定连接有第一连杆，所述第一连杆上固定连接有第一滑动座，所述第一滑动座上开设有第一滑动槽，所述第一齿条设置于第一滑动槽内，所述第一滑动座与第一齿条滑动连接。

优选的，第二气缸通过第二伸缩杆带动第一齿条在第二滑动座内滑动，由于第二齿条与第二齿轮啮合传动，且第二气缸通过固定座与固定板固定连接，使得第二齿条带动第二齿轮旋转，带动十字杆前后移动，太阳能板可以根据十字杆的运动进行前后角度的调节。

通过上述技术方案，所述电源箱一侧设置有侧板，所述电源箱两侧固定连接有连接板，所述连接板上开设有螺纹孔，所述螺纹孔内贯穿固定连接有螺丝钉，所述侧板远离电源箱的一端固定连接有散热机构，所述侧板由金属铝制成。

通过上述技术方案，所述散热机构包括散热柱，所述散热柱与侧板固定连接，所述散热柱均呈圆柱设置，所述侧板靠近散热柱一侧两端均固定连接有一对固定杆，所述固定杆远离侧板的一端固定连接有散热风箱，所述散热风箱内固定连接有固定柱，所述固定柱上转动连接有风扇头，所述风扇头上固定连接有若干个扇叶，所述散热风箱上开设有散热口，所述散热口内固定连接有防尘网。

优选的，风扇头向散热柱吹气，使热量被流动的空气带出散热柱，提高散热效率，避免电源组因温度过高受到损毁。

通过上述技术方案，所述散热风箱的两端均固定连接有连接侧板，所述连接侧板上开设有通孔，所述通孔内滑动连接有固定套，所述固定套的下端固定连接有若干弹簧，所述固定套内贯穿转动连接有卡环，所述卡环呈圈型设置，两个所述侧板上开设有凹槽，所述凹槽内开设有卡合槽，所述凹槽与卡合槽之间贯穿，所述卡环与卡合槽相互卡合配合。

优选的，固定杆上的卡合槽与卡环配合将散热风箱固定，使得风扇可以将热量通过散热柱之间的缝隙吹出，提高了散热效率，达到为电源通风散热的效果，避免电源组因温度过高受到损毁，同时卡合槽与卡环的设置可以使得散热风箱的拆装更加方便，方便检修人员对散热风箱检修与拆装。

优选的，还包括传感器组、能量回收系统、自适应能源管理系统；

传感器组包括监测环境温度、光照强度、电池电量、车辆速度的传感器；

能量回收系统包括发电机、蓄电池，用于存储回收的能量；

自适应能源管理系统包括能源转换设备：利用太阳能板或发电机将不同的能源转化为电能，以及蓄电池，存储各种来源的能量；

控制器：执行机器学习算法，学习并优化能源管理策略，用于控制能量转换和存储设备的工作。

本发明的一种节能型电源车的使用方法，包括以下具体步骤：

S1、当电源车在使用需要根据太阳的角度调整太阳能板的角度时，启动第一气缸，第一气缸通过第一伸缩杆带动第一齿条在第一滑动槽内滑动，由于第一齿条与第一齿轮啮合传动，且第一气缸与连接架固定连接，使得太阳能板可以通过第一伸缩杆的伸缩运动，进行左右角度的调节。

S2、启动第二气缸，第二气缸通过第二伸缩杆带动第一齿条在第二滑动座内滑动，由于第二齿条与第二齿轮啮合传动，且第二气缸通过固定座与固定板固定连接，使得第二齿条带动第二齿轮旋转，带动十字杆前后移动，太阳能板可以根据十字杆的运动进行前后角度的调节。

S3、在电源箱长时间工作时，将散热风箱放在连接侧板上，卡环转动下拉穿过凹槽卡入卡合槽内，弹簧推动固定套沿通孔上移，带动卡环上移卡入卡合槽内，使散热风箱固定在散热柱的上端。

S4、通过螺丝钉穿过螺纹孔将电源箱与侧板固定连接，通过风扇头向散热柱吹气，使热量被流动的空气带出散热柱，提高散热效率，避免电源组因温度过高受到损毁。

本发明的一种节能型电源车的能源管理方法，实现能量回收系统和自适应能源管理系统的均衡控制，使用强化学习方法加以实现，包括以下具体步骤：

步骤1，确定状态、动作和奖励函数：需要确定强化学习环境的状态、动作和奖励函数；对于电源车，状态包括车辆的电池状态、环境状态：温度、光照强度、车辆速度；动作包括启动/关闭能量回收系统、调整太阳能板的角度；奖励函数定为：能源利用效率：减少电池消耗和增加能源回收的行动都可以得到正向奖励；

步骤2，设置初始参数：对于Q-Learning算法，需要设置初始的Q值表，由于状态和动作是连续的，需要使用神经网络函数逼近的方法来表示Q值表，此时，神经网络的初始参数可以设置为较小的随机值；

更新Q值或神经网络参数；

对于Q-Learning，使用以下公式来更新Q值Q(s, a)：

Q(s, a) ← Q(s, a) + α * (r + γ * max_a' Q(s', a') - Q(s, a))

其中，s和a是当前的状态和动作，r是奖励，s'是新的状态，a'为新的动作，α是学习率，γ是折扣因子，max_a' Q(s', a')表示在下一个状态s'下，对所有可能的行动a'，Q值的最大值；更新神经网络的参数可以通过梯度下降法，将损失函数设置为预测Q值和目标Q值之间的均方误差；

选择行动：根据神经网络的输出选择一个行动，使用策略来实现；

执行行动并观察奖励：执行选择的行动，观察得到的奖励和新的状态；

计算目标Q值Q_target ：根据观察到的奖励和新状态的最大Q值计算目标Q值，公式如下：

Q_target = r + γ * max_a' Q(s', a')

其中，r是奖励，γ是折扣因子，s'是新状态；

反向传播：计算网络输出的Q值 Q_output和目标Q值Q_target之间的误差，通过反向传播来更新网络的权重，损失函数可以定义为均方误差，如下：

Loss = (Q_target - Q_output)^2

步骤3，对于Actor-Critic方法，需要初始化两个神经网络的参数：一个用于Actor：策略网络，用于选择行动，一个用于Critic：价值网络，用于评估行动的价值；

进行强化学习：通过交互学习环境，执行以下步骤：

使用当前策略：基于Q值或Actor网络，选择一个动作；

在环境中执行这个动作，得到新的状态和奖励；

对于Actor-Critic方法，更新Critic的过程和Q-Learning类似，但Actor的更新需要使用策略梯度方法为：

θ ← θ + α *log π(a|s; θ) * Q(s, a)

其中，θ是Actor网络的参数，表示对参数θ的梯度，π(a|s; θ)是根据Actor网络得到的策略，Q(s, a)是Critic网络得到的Q值；

策略改进：通过重复步骤3，逐步改进策略，使得能源管理系统的效率最大化，能够实现能量回收系统和自适应能源管理系统的均衡控制。

（三）有益效果

本发明提供了一种节能型电源车及使用方法。具备以下有益效果：

1、本发明通过在车顶内部设置控制箱，通过齿轮齿条的相互配合，使太阳能板达到可调节角度的目的，司机能够根据太阳位置对太阳能板进行角度调整，使其始终面对太阳光线，从而最大程度地吸收光能，提高电能转换效率，同时使用太阳能板发电不会产生二氧化碳等污染物，可以减少对环境的负面影响，达到节能环保的目的。

2、本发明通过在侧板一侧设置若干圆柱形散热柱，可以有效增大散热面积，同时通过固定杆上的卡合槽与卡环配合将散热风箱固定，使得风扇可以将热量通过散热柱之间的缝隙吹出，提高了散热效率，达到为电源通风散热的效果，避免电源组因温度过高受到损毁，同时卡合槽与卡环的设置可以使得散热风箱的拆装更加方便，方便检修人员对散热风箱检修与拆装。

3、应用Q-Learning和Actor-Critic两种强化学习方法强化学习方法可以根据电源车的实时状态和环境信息，动态地调整能源回收和管理策略，以优化能源的利用效率。通过优化能源利用，电源车可以更有效地利用可再生能源，例如太阳能，从而降低电池的消耗。通过减少电池的过度消耗，可以延长电池的使用寿命，从而提高电源车的整体寿命。电源车可以根据环境的变化，例如光照强度的变化，动态地调整能源策略，从而更好地适应不同的环境。

附图说明

图1为本发明结构示意图；

图2为本发明控制箱内部第一视角图；

图3为本发明控制箱内部第二视角图；

图4为本发明散热机构结构图；

图5为本发明散热风箱结构图；

图6为本发明连接板剖视图。

其中，1、车体；11、驾驶车窗；12、车轮；13、倒车镜；14、车窗；2、控制箱；21、活动槽；3、太阳能板；31、连接底座；4、固定板；41、固定座；42、十字杆；43、第一固定筒；431、第二固定筒；44、连接架；45、第一齿轮；46、第一齿条；47、第一滑动座；471、第一滑动槽；472、第一连杆；48、第一气缸；481、第一伸缩杆；482、固定块；49、固定轴；5、第二齿轮；51、第二齿条；52、第二滑动座；53、第二气缸；531、第二伸缩杆；54、第二连杆；6、侧板； 61、连接板；62、螺纹孔；63、散热柱；64、固定杆；65、凹槽；651、卡合槽；7、电源箱；8、散热风箱；81、连接板；811、通孔；812、卡环；813、固定套；814、弹簧；82、散热口；83、固定柱；84、风扇头；85、扇叶。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一：

如图1示，本发明实施例提供一种节能型电源车，包括车体1，车体1一端设置有驾驶车窗11，车体1下端两侧均转动连接有一对车轮12，车体1两侧靠近驾驶车窗11一端固定连接有倒车镜13，车体1两侧固定连接有车窗14，车体1上端内部固定连接有控制箱2，控制箱2上端开设有活动槽21，控制箱2上方设置有太阳能板3，太阳能板3下表面固定连接有连接底座31，车体1下端发动机箱内设置有电源箱7。

如图2和图3示，控制箱2内设置有固定板4，固定板4与控制箱2固定连接，固定板4一侧固定连接有固定座41，固定座41与第二气缸53固定连接，第二气缸53一端固定连接有第二伸缩杆531，第二伸缩杆531远离第二气缸53一端固定连接有第二齿条51，第二齿条51与第二滑动座52通过滑动连接，第二滑动座52与第二连杆54固定连接，控制箱2内设置有十字杆42，十字杆42一端设置有第一固定筒43，两个第一固定筒43与十字杆42转动连接，十字杆42远离第一固定筒43一端设置有第二固定筒431，两个第二固定筒431与十字杆42转动连接，两个第一固定筒43与固定板4一侧固定连接，十字杆42靠近第一固定筒43一端固定连接有第二齿轮5，第二齿轮5与第二齿条51通过啮合传动，第二固定筒431上固定连接有连接架44，连接架44端固定连接有固定块482，固定块482远离连接架44一端固定连接有第一气缸48，第一气缸48一端与第一伸缩杆481固定连接，第一伸缩杆481远离第一气缸48一端与第一齿条46固定连接，十字杆42靠近第二固定筒431一端固定连接有第一齿轮45，第一齿轮45与第一齿条46啮合传动，连接架44上端固定连接有固定轴49，固定轴49与连接底座31固定连接，第二固定筒431一端固定连接有第一连杆472，第一连杆472上固定连接有第一滑动座47，第一滑动座47上开设有第一滑动槽471，第一齿条46设置于第一滑动槽471内，第一滑动座47与第一齿条46滑动连接。

如图4和图5和图6示，电源箱7一侧设置有侧板6，电源箱7两侧固定连接有连接板61，连接板61上开设有螺纹孔62，螺纹孔62内贯穿固定连接有螺丝钉，侧板6远离电源箱7的一端固定连接有散热机构，侧板6由金属铝制成，散热机构包括散热柱63，散热柱63与侧板6固定连接，散热柱63均呈圆柱设置，侧板6靠近散热柱63一侧两端均固定连接有一对固定杆64，固定杆64远离侧板6的一端固定连接有散热风箱8，散热风箱8内固定连接有固定柱83，固定柱83上转动连接有风扇头84，风扇头84上固定连接有若干个扇叶85，散热风箱8上开设有散热口82，散热口82内固定连接有防尘网，散热风箱8的两端均固定连接有连接侧板81，连接侧板81上开设有通孔811，通孔811内滑动连接有固定套813，固定套813的下端固定连接有若干弹簧814，固定套813内贯穿转动连接有卡环812，卡环812呈圈型设置，两个侧板6上开设有凹槽65，凹槽65内开设有卡合槽651，凹槽65与卡合槽651之间贯穿，卡环812与卡合槽651相互卡合配合。

本发明的一种节能型电源车的能源管理方法，该电源车还包括传感器组、能量回收系统、自适应能源管理系统；

传感器组包括监测环境温度、光照强度、电池电量的传感器；

能量回收系统包括发电机、蓄电池，用于存储回收的能量；

自适应能源管理系统包括能源转换设备：利用太阳能板或发电机将不同的能源转化为电能，以及蓄电池，存储各种来源的能量；

控制器：执行机器学习算法，学习并优化能源管理策略，用于控制能量转换和存储设备的工作。

本发明的一种节能型电源车的能源管理方法，实现能量回收系统和自适应能源管理系统的均衡控制，使用强化学习方法加以实现，包括以下具体步骤：

步骤1，确定状态、动作和奖励函数：需要确定强化学习环境的状态、动作和奖励函数；对于电源车，状态包括车辆的电池状态、环境状态：温度、光照强度、车辆速度；动作包括启动/关闭能量回收系统、调整太阳能板的角度；奖励函数定为：能源利用效率：减少电池消耗和增加能源回收的行动都可以得到正向奖励；

步骤2，设置初始参数：对于Q-Learning算法，需要设置初始的Q值表，由于状态和动作是连续的，需要使用神经网络函数逼近的方法来表示Q值表，此时，神经网络的初始参数可以设置为较小的随机值；

更新Q值或神经网络参数；

对于Q-Learning，使用以下公式来更新Q值Q(s, a)：

Q(s, a) ← Q(s, a) + α * (r + γ * max_a' Q(s', a') - Q(s, a))

其中，s和a是当前的状态和动作，r是奖励，s'是新的状态，a'为新的动作，α是学习率，γ是折扣因子，max_a' Q(s', a')表示在下一个状态s'下，对所有可能的行动a'，Q值的最大值；更新神经网络的参数可以通过梯度下降法，将损失函数设置为预测Q值和目标Q值之间的均方误差；

选择行动：根据神经网络的输出选择一个行动，使用策略来实现；

执行行动并观察奖励：执行选择的行动，观察得到的奖励和新的状态；

计算目标Q值Q_target ：根据观察到的奖励和新状态的最大Q值计算目标Q值，公式如下：

Q_target = r + γ * max_a' Q(s', a')

其中，r是奖励，γ是折扣因子，s'是新状态；

反向传播：计算网络输出的Q值 Q_output和目标Q值Q_target之间的误差，通过反向传播来更新网络的权重，损失函数可以定义为均方误差，如下：

Loss = (Q_target - Q_output)^2

步骤3，对于Actor-Critic方法，需要初始化两个神经网络的参数：一个用于Actor：策略网络，用于选择行动，一个用于Critic：价值网络，用于评估行动的价值；

进行强化学习：通过交互学习环境，执行以下步骤：

使用当前策略：基于Q值或Actor网络，选择一个动作；

在环境中执行这个动作，得到新的状态和奖励；

对于Actor-Critic方法，更新Critic的过程和Q-Learning类似，但Actor的更新需要使用策略梯度方法为：

θ ← θ + α *log π(a|s; θ) * Q(s, a)

其中，θ是Actor网络的参数，表示对参数θ的梯度，π(a|s; θ)是根据Actor网络得到的策略，Q(s, a)是Critic网络得到的Q值；

策略改进：通过重复步骤3，逐步改进策略，使得能源管理系统的效率最大化，能够实现能量回收系统和自适应能源管理系统的均衡控制。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (3)

1.一种节能型电源车，包括车体（1），其特征在于：所述车体（1）一端设置有驾驶车窗（11），所述车体（1）下端两侧均转动连接有一对车轮（12），所述车体（1）两侧靠近驾驶车窗（11）一端固定连接有倒车镜（13），所述车体（1）两侧固定连接有车窗（14），所述车体（1）上端内部固定连接有控制箱（2），所述控制箱（2）上端开设有活动槽（21），所述控制箱（2）上方设置有太阳能板（3），所述太阳能板（3）下表面固定连接有连接底座（31），所述车体（1）下端发动机箱内设置有电源箱（7）、所述控制箱（2）内设置有固定板（4），所述固定板（4）与控制箱（2）固定连接，所述固定板（4）一侧固定连接有固定座（41），所述固定座（41）与第二气缸（53）固定连接，所述第二气缸（53）一端固定连接有第二伸缩杆（531），所述第二伸缩杆（531）远离第二气缸（53）一端固定连接有第二齿条（51），所述第二齿条（51）与第二滑动座（52）通过滑动连接，所述第二滑动座（52）与第二连杆（54）固定连接、所述控制箱（2）内设置有十字杆（42），所述十字杆（42）一端设置有第一固定筒（43），两个所述第一固定筒（43）与十字杆（42）转动连接，所述十字杆（42）远离第一固定筒（43）一端设置有第二固定筒（431），两个所述第二固定筒（431）与十字杆（42）转动连接，两个所述第一固定筒（43）与固定板（4）一侧固定连接，所述十字杆（42）靠近第一固定筒（43）一端固定连接有第二齿轮（5），所述第二齿轮（5）与第二齿条（51）通过啮合传动、所述第二固定筒（431）上固定连接有连接架（44），所述连接架（44）端固定连接有固定块（482），所述固定块（482）远离连接架（44）一端固定连接有第一气缸（48），所述第一气缸（48）一端与第一伸缩杆（481）固定连接，所述第一伸缩杆（481）远离第一气缸（48）一端与第一齿条（46）固定连接，所述十字杆（42）靠近第二固定筒（431）一端固定连接有第一齿轮（45），所述第一齿轮（45）与第一齿条（46）啮合传动、所述连接架（44）上端固定连接有固定轴（49），所述固定轴（49）与连接底座（31）固定连接，所述第二固定筒（431）一端固定连接有第一连杆（472），所述第一连杆（472）上固定连接有第一滑动座（47），所述第一滑动座（47）上开设有第一滑动槽（471），所述第一齿条（46）设置于第一滑动槽（471）内，所述第一滑动座（47）与第一齿条（46）滑动连接、所述电源箱（7）一侧设置有侧板（6），所述电源箱（7）两侧固定连接有连接板（61），所述连接板（61）上开设有螺纹孔（62），所述螺纹孔（62）内贯穿固定连接有螺丝钉，所述侧板（6）远离电源箱（7）的一端固定连接有散热机构（60），所述侧板（6）由金属铝制成、所述散热机构（60）包括散热柱（63），所述散热柱（63）与侧板（6）固定连接，所述散热柱（63）均呈圆柱设置，所述侧板（6）靠近散热柱（63）一侧两端均固定连接有一对固定杆（64），所述固定杆（64）远离侧板（6）的一端固定连接有散热风箱（8），所述散热风箱（8）内固定连接有固定柱（83），所述固定柱（83）上转动连接有风扇头（84），所述风扇头（84）上固定连接有若干个扇叶（85），所述散热风箱（8）上开设有散热口（82），所述散热口（82）内固定连接有防尘网、所述散热风箱（8）的两端均固定连接有连接侧板（81），所述连接侧板（81）上开设有通孔（811），所述通孔（811）内滑动连接有固定套（813），所述固定套（813）的下端固定连接有若干弹簧（814），所述固定套（813）内贯穿转动连接有卡环（812），所述卡环（812）呈圈型设置，两个所述侧板（6）上开设有凹槽（65），所述凹槽（65）内开设有卡合槽（651），所述凹槽（65）与卡合槽（651）之间贯穿，所述卡环（812）与卡合槽（651）相互卡合配合、还包括传感器组、能量回收系统、自适应能源管理系统；

传感器组包括监测环境温度、光照强度、电池电量、车辆速度的传感器；

能量回收系统包括发电机、蓄电池，用于存储回收的能量；

自适应能源管理系统包括能源转换设备：利用太阳能板或发电机将不同的能源转化为电能，以及蓄电池，存储各种来源的能量；

控制器：执行机器学习算法，学习并优化能源管理策略，用于控制能量转换和存储设备的工作。

2.根据权利要求1所述的一种节能型电源车的使用方法，其特征在于，包括以下具体步骤：

S1、当电源车在使用需要根据太阳的角度调整太阳能板（3）的角度时，启动第一气缸（48），第一气缸（48）通过第一伸缩杆（481）带动第一齿条（46）在第一滑动槽（471）内滑动，由于第一齿条（46）与第一齿轮（45）啮合传动，且第一气缸（48）与连接架（44）固定连接，使得太阳能板（3）可以通过第一伸缩杆（481）的伸缩运动，进行左右角度的调节；

S2、启动第二气缸（53），第二气缸（53）通过第二伸缩杆（531）带动第一齿条（46）在第二滑动座（52）内滑动，由于第二齿条（51）与第二齿轮（5）啮合传动，且第二气缸（53）通过固定座（41）与固定板（4）固定连接，使得第二齿条（51）带动第二齿轮（5）旋转，带动十字杆（42）前后移动，太阳能板（3）可以根据十字杆（42）的运动进行前后角度的调节；

S3、在电源箱（7）长时间工作时，将散热风箱（8）放在连接侧板（81）上，卡环（812）转动下拉穿过凹槽（65）卡入卡合槽（651）内，弹簧（814）推动固定套（813）沿通孔（811）上移，带动卡环（812）上移卡入卡合槽（651）内，使散热风箱（8）固定在散热柱（63）的上端；

S4、通过螺丝钉穿过螺纹孔（62）将电源箱（7）与侧板（6）固定连接，通过风扇头（84）向散热柱（63）吹气，使热量被流动的空气带出散热柱（63），提高散热效率，避免电源组因温度过高受到损毁。

3.根据权利要求1所述的一种节能型电源车的能源管理方法，其特征在于，实现能量回收系统和自适应能源管理系统的均衡控制，使用强化学习方法加以实现，包括以下具体步骤：

步骤1，确定状态、动作和奖励函数：需要确定强化学习环境的状态、动作和奖励函数；对于电源车，状态包括车辆的电池状态、环境状态：温度、光照强度、车辆速度；动作包括启动/关闭能量回收系统、调整太阳能板的角度；奖励函数定为：能源利用效率：减少电池消耗和增加能源回收的行动都可以得到正向奖励；

步骤2，设置初始参数：对于Q-Learning算法，需要设置初始的Q值表，由于状态和动作是连续的，需要使用神经网络函数逼近的方法来表示Q值表，此时，神经网络的初始参数可以设置为较小的随机值；

更新Q值或神经网络参数；

对于Q-Learning，使用以下公式来更新Q值Q(s, a)：

Q(s, a) ← Q(s, a) + α * (r + γ * max_a' Q(s', a') - Q(s, a))

其中，s和a是当前的状态和动作，r是奖励，s'是新的状态，a'为新的动作，α是学习率，γ是折扣因子，max_a' Q(s', a')表示在下一个状态s'下，对所有可能的行动a'，Q值的最大值；更新神经网络的参数可以通过梯度下降法，将损失函数设置为预测Q值和目标Q值之间的均方误差；

选择行动：根据神经网络的输出选择一个行动，使用ϵ-greedy策略来实现；

执行行动并观察奖励：执行选择的行动，观察得到的奖励和新的状态；

计算目标Q值Q_target ：根据观察到的奖励和新状态的最大Q值计算目标Q值，公式如下：

Q_target = r + γ * max_a' Q(s', a')

其中，r是奖励，γ是折扣因子，s'是新状态；

反向传播：计算网络输出的Q值 Q_output和目标Q值Q_target之间的误差，通过反向传播来更新网络的权重，损失函数可以定义为均方误差，如下：

Loss = (Q_target - Q_output)^2

步骤3，对于Actor-Critic方法，需要初始化两个神经网络的参数：一个用于Actor：策略网络，用于选择行动，一个用于Critic：价值网络，用于评估行动的价值；

进行强化学习：通过交互学习环境，执行以下步骤：

使用当前策略：基于Q值或Actor网络，选择一个动作；

在环境中执行这个动作，得到新的状态和奖励；

对于Actor-Critic方法，更新Critic的过程和Q-Learning类似，但Actor的更新需要使用策略梯度方法为：

θ ← θ + α * ∇_θ log π(a|s; θ) * Q(s, a)

其中，θ是Actor网络的参数，∇_θ表示对参数θ的梯度，π(a|s; θ)是根据Actor网络得到的策略，Q(s, a)是Critic网络得到的Q值；

策略改进：通过重复步骤3，逐步改进策略，使得能源管理系统的效率最大化，能够实现能量回收系统和自适应能源管理系统的均衡控制。