不确定性下基于二次插值超级单体雷暴算法的G2V/V2G车队调度优化

《Unconventional Resources》：Optimal G2V/V2G Fleet Scheduling Under Uncertainty Using a Quadratic Interpolation Supercell Thunderstorm Algorithm

　　

研究人员提出基于二次插值超级单体雷暴算法（Quadratic Interpolation Supercell Thunderstorm Algorithm, QISTA）的协调G2V（Grid-to-Vehicle）/V2G（Vehicle-to-Grid）电动汽车车队充电调度方法。设计了一种新颖的基于健康状态（State of Health, SOH）的自适应C-rate（充放电倍率）机制，用于动态调节充放电限值。通过五个案例研究评估了不确定性、电池退化及车队规模可扩展性。与超级单体雷暴算法（Supercell Thunderstorm Algorithm, STA）相比，QISTA实现了最高20%的成本降低，在56次Wilcoxon成对比较中获得50次显著优势，Friedman平均排名为1.71。QISTA在所有场景中均满足全部约束，且违规次数为零。

一、研究背景与意义

全球电动汽车保有量预计到2030年接近2.5亿辆，无协调充电会使充电负荷集中在晚间峰值时段，增加系统运营商和用户成本，并导致电压失稳、峰值负荷增加及配电网可靠性下降。G2V（Grid-to-Vehicle，电网到车辆）/V2G（Vehicle-to-Grid，车辆到电网）虽然提供