Desde la perspectiva de la gestión energética, la demanda de potencia de un vehículo eléctrico híbrido que circula en condiciones aleatorias puede considerarse como un proceso aleatorio, y la cadena de Markov puede utilizarse para modelar. En este artículo, se propone una estrategia de gestión energética basada en aprendizaje por refuerzo con actualizaciones en tiempo real para asignar razonablemente el flujo de energía del sistema de potencia híbrido bajo condiciones de trabajo desconocidas. El sistema híbrido está alimentado por un supercondensador y una batería de litio, que utilizan las características de cada componente para reducir la pérdida de energía del sistema, disminuir la tasa de cambio de la corriente de la batería de litio y prolongar la vida útil de los componentes. La estrategia toma el cambio de la matriz de probabilidad de transición bajo condiciones de trabajo en tiempo real como base. El sistema juzga si es necesario utilizar la nueva probabilidad de transición para calcular y actualizar la estrategia de gestión energética del sistema mediante el cálculo de la similitud de Pearson entre la matriz de probabilidad de transición en el tiempo actual y el tiempo anterior. Los resultados de la simulación validan el método propuesto.