AI och batterilager: så byggs stabila elnät i praktiken

100 MW effekt och 400 MWh kapacitet. Det är vad som nu rullats i drift i Lahad Datu på Sabah (Borneo) – Malaysias första storskaliga batterienergilager och ett av de största i Sydostasien. Det låter som en lokal nyhet. Jag tycker tvärtom: det är ett tydligt exempel på hur nästa fas i energiomställningen faktiskt ser ut när den blir verklighet.

För när sol- och vindkraft växer snabbt räcker det inte att “bygga mer förnybart”. Man måste också kunna styra, förutse och balansera. Det är här kombinationen av batterilager (BESS) och AI i energisystem blir en praktisk lösning, inte ett framtidslöfte.

Sabah-projektet är extra intressant eftersom det angriper tre problem som många elsystem brottas med – även i Norden: nätstabilitet, beroende av fossil reservkraft (diesel) och snabb integrering av förnybar el. Låt oss bryta ner vad som händer, varför det spelar roll, och hur AI gör batterilager betydligt mer värdefulla.

Vad Sabah-lagret faktiskt löser – och varför det är stort

Kärnan: Ett batterilager på 100MW/400MWh kan leverera snabb effekt för att stabilisera elnätet och minska avbrott, särskilt i elnät med svagare sammankopplingar.

Sabah ligger på Borneo och skiljer sig från Malaysias mer utvecklade elinfrastruktur på fastlandet. När nätet är mindre robust behöver man ofta högre reservmarginal för att hantera toppar och störningar. Traditionellt har lösningen varit fossil reservkraft, ofta diesel. Batterilager förändrar förutsättningarna genom att de kan reagera på millisekunder snarare än minuter.

BESS Lahad Datu har dessutom en tydlig “fyra-timmarsprofil”: 400 MWh delat på 100 MW innebär att lagret kan hålla 100 MW i cirka 4 timmar. Det gör det användbart för:

• Peak shaving: kapa effekttoppar när efterfrågan sticker iväg.
• Frekvens- och spänningsstöd: hålla nätet stabilt vid snabba svängningar.
• Reserv vid störningar: minska risken för lokala strömavbrott.
• Ökad andel sol och vind: jämna ut produktionen när vädret skiftar.

En viktig detalj i nyheten är att projektet levererats på strax över ett år, med utrustning via en stor systemintegratör. Det är ett tecken på en mognande marknad: batterilager går nu att bygga i industriell takt när beslut väl fattas.

“Störst” – men vad betyder det i praktiken?

Kärnan: Effekt (MW) och energimängd (MWh) mäter olika saker – och båda behövs för att förstå nyttan.

I Sydostasien finns anläggningar med högre effekt (MW), till exempel i Singapore, men Lahad Datu sticker ut i energikapacitet (MWh) i sin region. För elsystemet spelar båda roll:

• MW säger hur mycket stöd som kan ges “just nu”.
• MWh säger hur länge stödet kan pågå.

Fyra timmars lagring är ofta en sweet spot för att hantera kvällstoppar, kortare produktionssvackor och driftstörningar. För längre säsongsvariationer krävs andra lösningar (t.ex. vattenkraft, vätgas, flexibilitet), men fyra timmar räcker långt för daglig drift.

Där AI gör skillnad: från batteri till “smart resurs”

Kärnan: Batteriet i sig är hårdvara. Värdet uppstår när styrningen optimeras – och det är där AI och avancerad prognostik tar över.

Ett batterilager kan köras med ganska enkla regler: ladda när elen är billig, ladda ur när den är dyr. Problemet är att elnätets verklighet inte är så enkel, särskilt i områden med snabb tillväxt av solkraft, svagare nät och ökande efterfrågan.

Med AI och maskininlärning kan operatören i stället optimera mot flera mål samtidigt:

• Hög leveranssäkerhet (minimera avbrott och effektbrist)
• Lägre kostnad (minimera dyr reservkraft och onödiga nätåtgärder)
• Mer förnybart (minimera curtailment/”spill” av sol och vind)
• Lägre utsläpp (ersätta diesel vid rätt tidpunkter)

Det här kräver att man kombinerar data från flera håll: väderprognoser, nätmätningar, historisk last, driftstatus, planerade arbeten och ibland även externa faktorer (t.ex. industriprocesser eller stora nya anslutningar).

Tre AI-funktioner som gör störst nytta i BESS-drift

Kärnan: Prognoser, optimering och avvikelsedetektering är de tre mest praktiska AI-spåren för batterilager.

1. Last- och produktionsprognoser (15 min – 72 h)
   För att veta när batteriet ska sparas och när det ska användas. En bra prognos minskar risken att batteriet är “tomt” när nätet behöver det som mest.

2. Optimering i realtid (dispatch)
   Här blir det konkret: AI-stödda optimeringsmotorer kan planera laddning/urladdning utifrån flera restriktioner – nätbegränsningar, batteriets degradering, reservkrav och pris/incitament.

3. Prediktivt underhåll och säkerhetsanalys
   Batterier är robusta, men inte triviala. Avvikelsedetektering på cell- och moduldatan kan hitta problem tidigt och minska både risk och driftstopp.

En mening jag ofta återkommer till i projekt: ”Ett batterilager utan bra styrning är som en lastbil utan logistiksystem.” Det rullar, men du lämnar pengar och stabilitet på bordet.

Diesel, avbrott och verklig hållbarhet – det som sällan syns i pressmeddelanden

Kärnan: Batterilager kan minska dieseldrift utan att tumma på driftsäkerheten – och AI hjälper till att prioritera rätt timmar.

Sabah lyfter uttryckligen att BESS ska minska beroendet av diesel. Det är en viktig poäng, eftersom diesel ofta är:

• dyr per kWh
• utsläppsintensiv
• bullrig och logistiktung (bränsletransporter)
• ett tecken på att flexibiliteten i systemet saknas

Men det är också lätt att översälja detta. Batterilager ersätter inte all fossil kraft “rakt av”. De ersätter framför allt de dyraste och mest ineffektiva driftstimmarna, och de kan göra att man slipper starta fossil reserv alls vid korta störningar.

AI-styrning förstärker effekten genom att:

• identifiera när diesel med hög sannolikhet annars skulle behövas (risk för effektbrist)
• planera batteriets energibudget så att det finns marginal vid kritiska tider
• minimera onödiga cykler (som annars ökar degradering och kostnad)

Resultatet blir ofta en bättre kombination av lägre kostnad + lägre utsläpp + bättre leveranssäkerhet. Det är den triangel som många energiplaner fastnar i. Batterilager gör triangeln hanterbar.

Snabbt växande efterfrågan: datacenter som stress-test för elsystem

Kärnan: Om elanvändningen ökar kraftigt – som prognosen om 7x ökning till 2030 i Malaysia – blir prognoser och flexibilitet lika viktiga som ny produktion.

En av de mest talande bitarna i underlaget är prognosen att Malaysias elförbrukning kan öka sju gånger mellan 2024 och 2030, där planerade datacenter (cirka 2 GW) bidrar starkt. Oavsett exakt utfall pekar trenden på samma sak som vi ser globalt 2025: AI-workloads och datacenter driver fram både effektbehov och krav på hög driftsäkerhet.

Det skapar ett nytt normal-läge:

• Toppar blir högre och mer värdefulla att hantera.
• Reservkraven skärps.
• Nätutbyggnad tar tid, medan efterfrågan kan komma snabbt.

Batterilager är ett av få verktyg som kan implementeras relativt snabbt jämfört med stora nätprojekt.

Praktisk lärdom för svenska aktörer

Kärnan: Bygg flexibilitet där flaskhalsarna uppstår, och koppla den till datadriven styrning.

Sverige har andra förutsättningar än Sabah, men logiken är densamma: när ny efterfrågan (industri, elektrifiering, datacenter) möter begränsat nät blir flexibilitet en strategisk resurs.

Det som fungerar i praktiken är att:

• placera lager nära belastningscentrum eller svaga nätpunkter
• säkerställa att styrningen kan samspela med nätoperatörens behov (tjänster, restriktioner)
• ha en dataplattform som klarar prognoser, spårbarhet och säker drift

Här passar vår serie “AI inom energi och hållbarhet” perfekt: det är i gränslandet mellan fysisk infrastruktur och datastyrning som nyttan realiseras.

“People also ask”: vanliga frågor om BESS och AI

Hur långt räcker ett batterilager på 400 MWh?

Svar: Vid 100 MW uteffekt räcker 400 MWh i cirka 4 timmar. Om man kör lägre effekt räcker det längre, men med mindre “stöttning per minut”.

Varför räcker inte bara mer solkraft?

Svar: Solkraft ger energi, men inte alltid när den behövs. Utan flexibilitet får du antingen effektbrist kvällstid eller spill mitt på dagen. Batterier och AI-styrning jämnar ut detta.

Vad gör AI som ett vanligt styrsystem inte gör?

Svar: AI kan kombinera fler datakällor och optimera mot flera mål samtidigt (stabilitet, kostnad, utsläpp, degradering) med bättre prognoser och snabbare anpassning vid avvikelser.

Är batterilager bara en “dyr backup”?

Svar: Nej. När de används rätt kan de samtidigt vara nätstöd, ersätta fossil spets/reserv, minska spill av förnybart och skapa ekonomiskt värde via flexibilitet.

Nästa steg: från en anläggning till ett intelligent energisystem

Sabah har pekat ut en riktning som fler regioner kommer följa: bygg batterilager strategiskt och använd dem för att integrera mer förnybart, minska avbrott och trappa ner diesel. Men den verkliga hävstången kommer när man gör batteriet till en del av ett smart elnät – med prognoser, optimering och uppföljning som går att lita på.

Jag tar med mig en sak från den här typen av projekt: energisäkerhet 2025 handlar lika mycket om mjukvara som om megawatt. När efterfrågan växer snabbt, och när sol och vind blir en större del av mixen, blir AI inte ett “nice to have” utan ett sätt att undvika dyra felbeslut.

Vill du använda batterilager, flexibilitet och AI på ett sätt som faktiskt ger effekt i drift? Börja med att kartlägga var osäkerheten finns (toppar, flaskhalsar, avbrottsorsaker) och bygg styrningen runt det. Vilken del av ditt energisystem är mest beroende av gissningar idag – och vad skulle hända om den delen blev prognosstyrd i stället?