AI och batterilager: lärdomar från Polens kapacitetsmarknad

Polens kapacitetsmarknad gav precis en signal som många i energibranschen missar när de bara tittar på rubrikerna: batterilager (BESS) “vann” fortfarande kontrakt – men marknadsdesignen drog undan mattan för tekniken. I auktionen för leveransår 2030 tilldelades totalt 6 887,639 MW i kapacitetsåtaganden, men BESS stod bara för cirka 685 MW i vunna åtaganden. Det är första gången som BESS-backade åtaganden faller efter flera år av kraftig uppgång.

För mig är det här inte främst en historia om batterier kontra gas. Det är en historia om hur regler, risk och datakvalitet styr investeringar, och varför AI i energisystem blir ett praktiskt verktyg – inte ett “nice to have” – när marknaderna svänger. När en parameter som de-rating (korrigerings-/tillgänglighetsfaktor) ändras från ett år till ett annat kan hela intäktsmodellen byta karaktär över en natt.

Det här inlägget är en del av serien ”AI inom energi och hållbarhet”. Vi använder Polen som case för att visa hur AI kan hjälpa energibolag, utvecklare, kommuner och industriföretag att:

• bygga robustare affärscase för energilagring,
• hantera regulatorisk osäkerhet,
• och optimera drift och intäkter i smarta elnät.

Vad hände i Polen – och varför föll BESS för första gången?

Det som ändrade allt var en kraftig sänkning av BESS de-ratingfaktor. I praktiken begränsar de-rating hur stor del av en anläggnings kapacitet som får bjudas in i auktionen, baserat på bedömd tillgänglighet när systemet behöver den.

I Polen sattes BESS-faktorn i år till cirka 13%, ned från 60% (2024) och 95% (2023). Effekten blir brutal men enkel:

• En BESS på 100 MW kan i auktionen bara “räkna” som ungefär 13 MW.
• Intäkten från kapacitetsmarknaden krymper i samma takt.
• Projekten måste då bära mer av sin ekonomi via andra intäktsströmmar (t.ex. stödtjänster, arbitrage, nätstöd) – vilket ökar både komplexitet och finansieringskrav.

Samtidigt tog gasprojekt hem omkring 2 400 MW i kontrakt, och marknadsparametrarna uppfattas av flera aktörer som utformade för att locka gasinvesteringar.

En bra tumregel: När de-rating blir låg blir kapacitetsmarknaden “bonus” snarare än “grundplatta” för BESS.

“Men om BESS bara fick 685 MW – betyder det att batterier är ute?”

Nej. Och det är här många feltolkar.

Trots nackdelen vann BESS fortfarande betydande volymer. Dessutom pekar branschaktörer på att den fysiska kapaciteten bakom de vunna BESS-åtagandena kan bli mycket högre (eftersom varje MW “kapacitetsåtagande” kräver flera MW installerat när de-rating är låg).

Det betyder att marknaden fortfarande bygger batterilager – men att marknadsdesignen flyttar risk från systemet till investeraren.

De-rating är egentligen en dataprodukt (och där kommer AI in)

De-rating handlar ytterst om förtroende för leverans. Hur säkert är det att resursen faktiskt kan leverera när den kallas? För batterier är det mer komplext än för en klassisk generator, eftersom leverans beror på:

• laddningsgrad (SoC),
• energivolym (MWh) relativt utlovad effekt (MW),
• degradering och temperatur,
• styrsystemets respons,
• och hur ofta batteriet redan används i andra marknader.

Här är min ståndpunkt: BESS borde inte “straffas” schablonmässigt. De borde bedömas dynamiskt. Och dynamisk bedömning kräver data och modeller.

AI som “tillgänglighetsmotor” för batterilager

I smarta elnät kan AI användas för att bevisa och förbättra tillgänglighet, på ett sätt som blir relevant både för TSO/DSO och för finansierare.

Konkreta AI-tillämpningar:

1. Prediktiv SoC-planering

   • Modeller som planerar laddning utifrån prisprognoser, väder, nätbegränsningar och sannolikhet för kapacitetsinkallning.
   • Resultat: högre sannolikhet att kunna leverera när det gäller.

2. Prediktivt underhåll och felprognoser

   • Maskininlärning på telemetri (temperatur, spänning, cellobalans, cykler) kan förutse fel och schemalägga service före avbrott.

3. “Constraint-aware optimisation” i realtid

   • Optimering som tar hänsyn till både batteriets hälsa och marknadens åtaganden.
   • Resultat: mindre risk att hamna i lägen där batteriet tekniskt kan leverera men ekonomiskt inte vågar.

4. Simulerad tillgänglighet (digital tvilling)

   • En digital tvilling som kan visa historisk och prognostiserad leveransförmåga under olika stresscenarier.

Det här är mer än teknikprat. Det är så man gör de-rating till en mätbar, förhandlingsbar storhet istället för en schablon.

Kapacitetsmarknadens signal: bygg affärscase som tål regeländringar

Den största risken i Polen just nu är inte batteritekniken – det är policy- och parameter-risk. Det spelar roll även i Sverige och Norden, eftersom allt fler marknader justerar stödsystem, nätregler och incitament när elektrifieringen tar fart.

När kapacitetsintäkter blir osäkrare måste BESS-projekt stå stadigare på flera ben.

En robust intäktsmix för BESS (praktiskt tänk)

Jag brukar dela upp intäktslogik i tre lager:

• Stabilt lager: kontrakterade intäkter (kapacitet, nätstöd, långsiktiga avtal)
• Semistabilt lager: stödtjänster med viss volatilitet
• Rörligt lager: spot-arbitrage och kortsiktig optimering

När de-rating pressar kapacitetsintäkten nedåt tvingas projekten uppåt i volatilitet. För att kompensera behöver man:

• bättre prognoser,
• snabbare driftbeslut,
• striktare riskramverk,
• och tydligare bevis på tillgänglighet.

AI i energihantering (Energy Management Systems med ML-moduler) blir då ett sätt att sänka riskpremien i finansieringen, eftersom osäkerheten i kassaflöden kan modelleras och följas upp.

“Fem år till leverans” – tidsrisken är verklig

Både gas och BESS i Polen har ungefär fem år på sig att leverera sina åtaganden. Branschbedömare lyfter risker som:

• brist på gasturbiner globalt,
• regulatorisk osäkerhet för energilagring,
• höga finansieringskostnader.

Här är det lätt att glömma att AI också kan spela roll i genomförandet:

• Bättre projektriskmodeller (sannolikhet för förseningar, leveranskedjor, nätanslutning)
• Mer exakt dimensionering (MW/MWh, redundans, termisk design) baserat på scenarioanalys
• Optimerad inköpsstrategi via prediktiva pris- och leveransprognoser

Vad Sverige och Norden kan lära av Polen (och undvika)

Polen visar hur snabbt ett investeringsklimat kan ändras när marknadsregler finjusteras. För svenska aktörer som jobbar med flexibilitet, stödtjänster eller industriell elektrifiering finns tre tydliga lärdomar.

1) Mätbar flexibilitet slår marknadsförings-flexibilitet

Om du vill att flexibilitet och batterilager ska värderas rätt måste du kunna visa:

• historisk leveransprecision,
• responstid,
• tillgänglighet under stress,
• och hur du prioriterar mellan marknader.

AI-baserad övervakning och rapportering gör detta skalbart.

2) Marknadsdesign kommer alltid ikapp tekniken

Tekniken går snabbt. Regler går långsamt – tills de plötsligt går snabbt. Den som har modeller för att testa affärscase mot regeländringar står kvar när andra stannar.

Praktiskt råd: bygg en “policy-stresstest” i din investeringskalkyl:

• Scenario A: hög de-rating / höga kapacitetsintäkter
• Scenario B: låg de-rating / kapacitetsintäkt som bonus
• Scenario C: försening i nätanslutning + hög ränta

3) Smarta elnät kräver smarta bevis

När elnätet blir mer väderberoende (mer vind och sol) blir systemet mer beroende av resurser som kan agera snabbt. Men snabbhet räcker inte; systemoperatören vill ha bevisad leverans.

Det är här AI och dataplattformar kan göra energilagring mer “bankable”:

• standardiserade KPI:er,
• automatiserade revisioner,
• och transparent spårbarhet från styrsignal till levererad effekt.

Vanliga frågor jag får om BESS, de-rating och AI

Varför sänker man de-rating för batterier så mycket?

För att marknadsdesignen vill styra investeringsflöden och för att man bedömer risk i leverans. I Polen tolkas det som en avsikt att gynna gas i den aktuella auktionen. Oavsett motiv visar det att parametrar kan användas som styrmedel.

Kan AI verkligen påverka de-rating?

AI ändrar inte regelverket direkt, men AI kan höja faktisk tillgänglighet och göra den mätbar. Det ger bättre argument i dialog med myndigheter/TSO och bättre villkor i finansiering.

Blir BESS olönsamt utan kapacitetsmarknad?

Nej, men projektet måste stå på fler intäktsben och kräver ofta mer avancerad optimering. AI-baserad styrning kan göra skillnaden mellan “osäker intjäning” och “kontrollerad volatilitet”.

Nästa steg: gör er BESS-strategi AI-driven, inte regel-driven

Polens auktion 2025-12-15 visar en sak tydligt: BESS är attraktivt, men marknaden kan ändra värderingen snabbt genom en enda faktor. Om du bygger strategi som om regler alltid ligger stilla kommer du få obehagliga överraskningar.

Jag har sett att de team som lyckas bäst gör två saker samtidigt:

• De använder AI för att optimera drift och intäkter i realtid.
• De använder AI för att göra risk, tillgänglighet och prestanda mätbara på ett sätt som banker och systemoperatörer förstår.

Vill du ta det här från teori till praktik? Börja med en enkel workshop internt: vilka data har ni i dag (telemetri, priser, väder, nätbegränsningar), och vilka beslut tar ni fortfarande “på magkänsla”? Där brukar den första lönsamheten i AI-projektet gömma sig.

Om de-rating i Polen kan falla från 95% till 13% på två år är det rimligt att anta att fler europeiska marknader kommer testa nya parametrar. Frågan är inte om det händer – utan om ert system är byggt för att tåla det.