Die Umkehrung
Zehnter Eintrag in dieser Serie, und der, auf den der gesamte Australien-Strang eigentlich hinauswollte. Der vorherige Beitrag fand perfekten Recall und zusammenbrechende Präzision jenseits des Beginns – den entgegengesetzten Fehlermodus zu Deutschland. Dieser Beitrag erklärt warum, und es ist kein subtiler Unterschied. Es ist der Mechanismus, der rückwärts läuft.
Was die deutsche Serie tatsächlich fand
Es lohnt sich, dies klar zu wiederholen, da dieser Beitrag der direkte Vergleich ist: In den deutschen Redispatch-Daten dominiert der Hintergrund-Betriebszustand, und die Ereignisgröße ist ein schlechter Proxy – r=0,06 für die Größe gegenüber r=−0,99 für die Last. Diese Korrelationslücke ist das zentrale Ergebnis des Papiers. Ereignisinformation allein sagt fast nichts darüber aus, ob eine Redispatch-Anweisung eine Spannungsverletzung verursachen wird; der Hintergrund-Lastzustand des Netzes sagt fast alles.
Die naheliegende nächste Frage, und der Grund, warum dieser Australien-Strang überhaupt existiert: Gilt das allgemein, oder ist es spezifisch für die Physik deutscher Redispatch-Vorgänge?
Dieselbe Regression hier ausgeführt
Exakte Replikation des deutschen Designs: , angepasst auf einem 70/30-Split konvergierter Berechnungen des kritischen Pfades, bei jeder Schwere jenseits des Beginns frisch neu angepasst, nur auf die Population angewendet, auf der sie nie angepasst wurde, Trefferquote mit einem Wilson-Score-95%-KI berichtet.
Bei jeder getesteten Schwere – 5,5×, 6,0×, 6,5×, 7,0× – blieb nichts in der unkritischen Population übrig, das die zustandsabhängige Regel hätte erfassen können. Null echte Verletzungen blieben unerfasst, bei jeder Schwere. Das ist kein Nullergebnis, das man abtun sollte – es ist die direkte, mechanistische Konsequenz des Ergebnisses des vorherigen Beitrags: Der einfache größenbasierte Selektor hat hier bereits 100 % Recall, also bleibt für eine zweite Regel nichts übrig, was sie wiederherstellen könnte.
Die eigentliche Messung
Die eigentliche Frage war nicht, ob die zustandsabhängige Regel Mehrwert brachte – sie war, warum der größenbasierte Selektor bereits ausreichend war, obwohl er es in Deutschland nachweislich nicht war. Dieselben zwei Korrelationen bei derselben Schwere wie in der obigen Tabelle gemessen:
Deutschland: r(Spannung, Größe) = 0,06, r(Spannung, Last) = −0,99 Australien (diese Arbeit): r(Spannung, aggregierte Einspeisung) = 0,90, r(Spannung, Last) = −0,47
Die Beziehung ist umgekehrt, nicht repliziert. In Deutschland ist die Ereignisgröße ein schlechter Proxy, und der Betriebszustand ist das dominante Signal – die zentrale These des Papiers. Hier ist die Ereignisgröße ein guter Proxy, und die Hintergrundlast ist real, aber sekundär. Genau deshalb erfasst der größenbasierte Selektor bereits alles, und genau deshalb hat eine zustandsabhängige Regel, die die Größe per Design absichtlich ausschließt, nichts hinzuzufügen.
Warum das kein gescheitertes Replikationsergebnis ist
Das ist das Ergebnis, bei dem es sich lohnt zu verweilen: Ob "Betriebszustand schlägt Ereignisgröße" gilt, hängt davon ab, ob das Phänomen erzeugungsgetrieben oder lastgetrieben ist. Deutscher Redispatch handelt grundsätzlich davon, Lastvariabilität gegen feste Erzeugungsereignisse zu managen. Australische Solar-Überspannung auf Hausdächern handelt grundsätzlich davon, Erzeugungsvariabilität – aggregierte Solar-Einspeisung – gegen vergleichsweise stabile Hintergrundlast zu managen. Die Richtung des dominanten Treibers kippt, weil der physikalische Mechanismus selbst kippt.
Das deutsche Papier allein hätte dies nicht feststellen können – ein einzelner Fall, so rigoros auditiert er auch sein mag, kann zeigen, dass eine Korrelation existiert, nicht dass sie sich in eine bestimmte Richtung verallgemeinert. Dieser Vergleich ist es, der "Betriebszustand dominiert Ereignisgröße" von einem einzelnen Ergebnis in eine Randbedingung mit einem festgelegten Gültigkeitsbereich verwandelt: wahr, wenn das Phänomen lastgetrieben ist, nicht wahr, wenn es erzeugungsgetrieben ist. Das ist eine echte, neue, falsifizierbare Behauptung, die im ursprünglichen Papier nicht vorhanden war, und sie existiert nur, weil dieselbe Rigorosität auf ein zweites, strukturell anderes Problem gerichtet wurde, statt nach dem ersten bestätigten Ergebnis aufzuhören.
Ein ehrlicher Vorbehalt zur Regression selbst, nicht unter den Teppich gekehrt: multiplier und P_load sind hier mit 0,99999+ korreliert gemessen, da beide von derselben echten Haushaltslastform abgeleitet sind – einzelne β-Koeffizienten sind daher nicht sauber trennbar, was jedoch die Trefferquoten-Methodik nicht beeinträchtigt, die nur die angepasste Vorhersage verwendet. Der nächste Beitrag behandelt, was passierte, als diese spezifische Einschränkung formal überprüft wurde, nicht nur benannt.
Reproduzierbarkeit: zustandsabhängige Regel und die Korrelationsmessung
# Exakte Replikation des deutschen Regressionsdesigns, bei jeder Schwere
# frisch neu angepasst, strikt out-of-sample angewendet:
# V ~ b0 + b1*multiplier + b2*P_load, 70/30-Split, Wilson-KI-Trefferquote
for severity in [5.5, 6.0, 6.5, 7.0]:
# null echte unkritische Verletzungen existieren bei jeder Schwere zu
# erfassen -- direkte Konsequenz des eigenen 100%-Recalls des Selektors
pass
# Die Messung, die erklärt warum:
# r(Spannung, aggregierte Einspeisung) = 0,90 (Deutschland: r(Spannung, Größe) = 0,06)
# r(Spannung, Hintergrundlast) = -0,47 (Deutschland: r(Spannung, Last) = -0,99)
Vollständiges Skript: au_state_aware_rule.py im Australien-Repository.
