-
电动汽车到达和离开时间的确定性假设未充分处理，这是前几轮审稿已反复指出的核心问题。虽然R3修改稿在引言和结论处添加了表述承认这一局限，但处理方式仅停留在文字层面：文中提到"聚合商可调度其他灵活电动汽车进行补偿响应"，但没有给出任何数学描述或仿真验证。这一说法缺乏定量支撑，读者无法判断偏差在何种程度内可被补偿。提到"建立在线更新的惩罚机制"，但同样仅作为定性描述，没有具体的惩罚函数设计或对用户行为偏差的敏感性分析。对于一个日前调度模型，用户行为的不确定性（到达时间、停留时长）本质上与批发电价的不确定性同等重要甚至更重要。文中仅用Wasserstein鲁棒优化处理电价不确定性，却将更难预测的用户行为视为确定量，在方法论上不平衡。
-
二阶锥松弛的精确性未验证，上层模型的潮流约束采用了二阶锥松弛，文中直接陈述"松弛后凸性成立"即进入下一步推导。但对于含网络重构的配电网问题，二阶锥松弛不一定是精确的，特别是：网络重构改变拓扑结构，不同拓扑下的松弛间隙可能不同。含大量电动汽车充放电的场景中，节点注入功率变化剧烈，可能导致松弛不紧。文中没有给出任何松弛间隙的数值验证（例如检查最优解处电压-电流关系是否满足等式）。
-
有限收敛性证明的严谨性不足
文中声称样本扩展算法具有"有限收敛性"并给出了证明，但论证链条存在跳跃：
证明依赖于"上层决策变量组合数有限"这一前提，但峰谷时段的起止时间是否被建模为离散整数集并不明确。如果时间粒度为1小时、调度周期为24小时，不同馈线的峰谷时段组合量会非常大；如果再加上所有开关的状态，组合数可能是天文数字。
证明中"两个迭代索引出现相同上层解"的论证需要说明为什么同样的上层解在不同迭代中不会导致不同的下层解（因为样本集在扩大）。
缺少对算法在实际案例中的迭代次数和上下界收敛曲线的展示。
- 贡献量化方法（表III）的计算逻辑有疑问
表III给出了分时电价和网络重构各自对消除线路越限的贡献比例。但计算方法是：先算单独分时电价的越限消除比例，再把剩余部分全部归功于网络重构。这种顺序分解的方式与实际的联合优化结果不一致：如果反过来，先做网络重构再做分时电价，得到的贡献比例会完全不同。联合优化的效果可能存在协同增益（即1+1>2），简单的顺序相减无法捕捉这一效果。仅给出23:00和24:00两个时刻的数据，样本过少，难以支撑一般性结论。