AI och batterilager: därför är Koreas auktion viktig

540 MW effekt och 3 240 MWh energi. Det är storleksordningen på den energilagerauktion som Sydkorea nu är mitt uppe i – och där vinnarna ska annonseras i februari. För den som följer energimarknaden är siffrorna i sig intressanta. För oss som jobbar med AI inom energi och hållbarhet är det ännu mer spännande: sådana här upphandlingar är där smarta elnät går från strategi till verklig drift.

Det här är inte “bara” en affär. Det är ett kvitto på att energilager har gått från pilotprojekt till infrastruktur. Och när energilager blir infrastruktur blir AI ett praktiskt verktyg, inte en powerpoint-idé.

I det här inlägget sätter jag Koreas auktion i sammanhang, förklarar vad som faktiskt upphandlas, varför säkerhet och nätstabilitet väger så tungt – och var AI-driven prognos och optimering gör störst skillnad för både systemoperatörer och investerare.

Vad Sydkorea faktiskt upphandlar – och varför formatet spelar roll

Kärnan är enkel: Korea Power Exchange (KPX) upphandlar 540 MW/3 240 MWh energilager med 6 timmars varaktighet. Det är uppdelat i 500 MW/3 000 MWh på fastlandet och 40 MW/240 MWh på Jeju Island.

Det finns tre designval i upphandlingen som säger mycket om hur marknaden mognar:

1) Fristående batterilager – inte “batteri + något annat”

KPX kräver att anläggningarna ska vara nya, fristående energilager (standalone ESS) och drivas som en enhet, alltså inte paras ihop med en annan anläggning. Det signalerar att systemnyttan man vill köpa är tydligt definierad: nätstabilisering och systemtjänster snarare än att “råka få batterier” som bieffekt av en sol- eller vindpark.

För AI-lösningar är det här en fördel. Ett fristående batteri kan optimeras mot fler mål samtidigt (frekvensstöd, effekttoppar, begränsningar i nätet, energiarbitrage) utan att vara låst till produktionen från en viss anläggning.

2) Storlekskrav som ger portföljlogik

På fastlandet tillåts projekt mellan 10–100 MW och på Jeju 10–40 MW. Det är ett spann som ofta leder till portföljer av flera anläggningar – och portföljer är där AI glänser.

När du har 6–12 anläggningar som delar nätkapacitet, leveranskrav och risk, går det inte längre att sköta planeringen i kalkylblad.

3) Ingen mix av batterikemier i samma projekt

KPX anger att kombinationer av batterityper (t.ex. NMC+LFP eller NMC+flödesbatteri) inte är tillåtna.

Det kan låta som en detalj, men påverkar både drift och risk:

• Enhetligare teknik gör säkerhetsarbete och underhåll mer standardiserat.
• Modellering blir enklare (färre “olika beteenden” i samma site).
• Samtidigt kan man förlora möjligheten att optimera livslängd och prestanda genom hybridlösningar.

Ur ett AI-perspektiv blir kravet en påminnelse: ibland är det regulatorik och upphandlingsdesign – inte algoritmer – som sätter ramarna för vad som är “optimalt”.

Varför pris bara är halva poängen: säkerhet, nätstabilitet och industrinytta

KPX viktar pris och icke-prisfaktorer lika. Det är ovanligt tydligt och extremt relevant.

Icke-prisfaktorer med högst vikt är:

• Brand- och anläggningssäkerhet, inklusive plan för incident- och nödläge
• Bidrag till nätstabilisering vid anslutningspunkten
• Bidrag till ”ESS industry ecosystem” (industriekosystem)

Säkerhet: 2018 spökar fortfarande

Sydkorea hade en snabb uppgång i energilager, men 2018 rapporterades ett större antal bränder, vilket slog mot förtroendet. Oavsett rotorsak blev lärdomen brutal: energilager är elinfrastruktur, och infrastruktur måste vara förutsägbar och säker.

Här kan AI bidra – men inte på det sätt som många tror.

“AI löser inte säkerhet genom att vara smart, utan genom att vara konsekvent.”

Konkreta AI-användningar för säkerhet i BESS:

• Prediktivt underhåll baserat på temperaturprofiler, cykling, impedans, kylsystemets beteende och avvikelser över tid
• Anomali-detektion på cell- och racknivå: tidiga varningar innan ett problem blir en incident
• Riskbaserad driftoptimering: algoritmen tar hänsyn till säkerhetsmarginaler (t.ex. begränsar laddning vid vissa temperatur- eller SoC-zoner)

Det här är inte “nice to have”. Om upphandlare börjar vikta säkerhet lika tungt som pris blir säkerhetsdata och modellstyrd drift en konkurrensfördel.

Nätstabilitet: 6 timmar är en signal om vilket problem man löser

Sex timmars varaktighet är intressant. Det pekar mot att man vill hantera mer än bara frekvensreglering. Man vill kunna:

• kapa effekttoppar
• hantera kvälls- och morgonpucklar
• stötta vid begränsningar i överföring
• integrera mer förnybart utan att “överdimensionera” nätet direkt

AI här handlar främst om två saker:

1. Prognos (last, pris, förnybar produktion, nätbegränsningar)
2. Optimering (när och hur batteriet ska laddas/utladdas under många restriktioner)

Det räcker inte att “ladda när det är billigt och sälja när det är dyrt”. Det enkla upplägget tenderar att göra samma misstag som alla andra aktörer – och då blir intäkterna snabbt urholkade.

AI i praktiken: så optimeras stora batterilager efter en auktion

När en auktion är klar börjar den verkliga matchen: projektering, tillstånd, nätanslutning, finansiering och sedan drift i 15 år. I artikeln framkommer att upplägget i praktiken ska ersätta investerare för capex över en 15-årsperiod. Det gör driftkvalitet och riskhantering minst lika viktiga som maxintäkt.

Prognoser som faktiskt går att drifta på

Bra AI-prognoser i energisystem handlar om mer än att minimera fel i genomsnitt. De måste vara användbara i beslutsfattande.

Tre prognoser jag tycker är mest underskattade i energilagerprojekt:

• Probabilistiska pris- och lastprognoser (inte ett värde, utan ett spann och sannolikheter)
• Prognos för nätbegränsningar vid anslutningspunkten (när och hur ofta kommer export/import begränsas?)
• Degraderingsprognos kopplad till olika driftsstrategier

Poängen: ett batteri är inte en “kWh-bank”. Det är en tillgång som slits, och AI måste räkna hem beslut över tid.

Optimering under begränsningar: där affärsvärdet bor

Ett nätanslutet BESS styrs av hårda ramar:

• maxeffekt (MW)
• energikapacitet (MWh)
• rundverkningsgrad
• ramp rates
• tillåtna SoC-fönster
• temperatur och kylkapacitet
• garantivillkor från leverantörer

AI-baserad optimering (ofta en kombination av maskininlärning + matematisk optimering) kan ta hänsyn till allt detta samtidigt.

Ett praktiskt upplägg jag sett fungera väl:

1. Dag-före-plan: optimerad ladd/utladdningsplan med scenarier
2. Intradag-reoptimering: uppdateras varje 15–60 minuter när prognoser förändras
3. Real-tidskontroll: snabba reglerloopar för att leverera systemtjänster utan att bryta mot säkerhetsgränser

Det är så man får både stabilitet och ekonomi.

“Ecosystem contribution” – AI som hjälper lokala leverantörer

Att upphandlingen även väger industriekosystem säger att man vill bygga mer än bara kapacitet; man vill bygga kompetens, leverantörskedjor och driftförmåga.

Här finns en tydlig parallell till Sverige och EU, där energiomställningen också driver industripolitik.

AI kan bidra genom att göra data och drift mer standardiserad:

• gemensamma datamodeller för BMS/EMS
• utbildningsmiljöer (digitala tvillingar) för driftpersonal
• benchmark av säkerhets- och prestandanyckeltal över flottor

När data blir strukturerad kan fler aktörer skapa värde ovanpå den.

Lärdomar för Sverige: vad vi bör ta med oss från Koreas auktion

Det är frestande att avfärda Sydkorea som “en annan marknad”. Jag tycker tvärtom att auktionen ger tre lärdomar som passar rakt in i svensk diskussion om smarta elnät, flexibilitet och energilagring.

1) Upphandlingar formar teknikval och affärsmodeller

När pris och icke-pris viktas 50/50 skapas ett tryck på kvalitet: säkerhet, dokumentation, driftplaner och nätnytta.

Om Sverige vill få mer flexibilitet snabbare behöver upphandlingar och marknadsregler tydligare belöna det som systemet faktiskt behöver.

2) Storskaliga batterier kräver “AI-mognad” – inte bara batterier

Ett 6-timmars BESS är inte svårt att köpa. Det svåra är att:

• få stabil leverans av systemnytta
• hantera degradering
• minimera incidentrisk
• optimera mot flera marknader samtidigt

Det kräver en data- och AI-arkitektur från början: datainsamling, kvalitet, cybersäkerhet, modellstyrning och governance.

3) Säkerhet är en affärsfråga, inte en teknisk bilaga

Efter erfarenheter av bränder är det rationellt att viktningen hamnar där den gör. Och den trenden syns globalt.

För projektutvecklare och energibolag innebär det här en tydlig prioritering inför 2026: bygg säkerhets- och driftdatan så att den håller för granskning, revision och försäkring.

Praktisk checklista: så förbereder du ett AI-stött energilagerprojekt

Om du sitter med ansvar för nät, energihandel, projektutveckling eller hållbarhetsagenda är det här en kort lista jag brukar använda.

1. Definiera vilken nätnytta som ska levereras (effekt, frekvens, spänningsstöd, kapacitetsavlastning)
2. Bygg en dataminimodell: vilka signaler behövs från BMS, EMS, väder, pris, nät och asset management?
3. Bestäm KPI:er som tål verkligheten: tillgänglighet, responstid, incidentfrekvens, degradering per MWh throughput
4. Säkerställ driftbar AI: versionering av modeller, larm vid driftavvikelser, människa-i-loopen
5. Planera för cybersäkerhet från dag 1 (BESS är kritisk infrastruktur)

Det här låter kanske “processigt”, men alternativet blir ofta dyrt: högre försäkringskostnader, sämre tillgänglighet och tappade intäkter.

Vad händer härnäst – och varför februari spelar roll

I februari ska KPX bekräfta och annonsera vinnarna, efter utvärdering fram till mitten av månaden. Därefter ska kontrakt signeras när projekten har fått nödvändiga tillstånd.

För oss som följer AI i energisystem är det här en viktig signal: storskaliga energilager går in i en fas där driftoptimering, riskkontroll och nätintegration blir lika viktiga som inköpspriset.

Om 2025 var året då många pratade om flexibilitet, tror jag att 2026 blir året då de som kan mäta, styra och bevisa flexibilitet – med hjälp av AI – kommer dra ifrån.

Vill du att energilager ska bli en stabil del av ditt energisystem och inte ett dyrt experiment? Då är nästa steg att behandla AI som en driftfunktion, inte som ett innovationsprojekt. Vilken del av din energiverksamhet skulle vinna mest på att börja där redan i januari?