AI och batterilager: så formar avtal elnätets flexibilitet

När en solpark producerar som mest är elpriset ofta som lägst. När efterfrågan toppar (mörka vinterkvällar, värmeböljor eller industriella lasttoppar) är det ofta tvärtom: mer värdefullt, men mindre sol. Den obalansen är ett av skälen till att batterilager (BESS) har gått från “bra att ha” till en central del av elnätets verktygslåda.

Det är därför nyheter som Clearways nyligen förhandlade tolling-avtal på totalt 560 MWh i Kalifornien är mer än en amerikansk branschnotis. Det är ett tydligt exempel på hur marknaden börjar prissätta flexibilitet – och varför AI i energisystem blir praktiskt användbar, inte bara ett buzzword. När batterier får tydliga driftuppdrag och tydliga intäktsmodeller kan AI faktiskt göra jobbet den är bra på: optimera drift, minimera risk och maximera nyttan för nätet.

I den här delen av vår serie ”AI inom energi och hållbarhet” bryter jag ned vad den här typen av avtal betyder, varför 4 timmar vs 8 timmar är mer än en teknisk detalj, och hur svenska energiaktörer kan använda samma logik för att bygga affärer (och projekt) som håller.

Vad ett tolling-avtal säger om hur elnätet vill “köpa” flexibilitet

Ett tolling-avtal (tolling agreement) är i praktiken ett sätt att köpa rätten att styra ett energilager mot en ersättning. Det låter torrt – men konsekvensen är konkret: elnätet får en styrbar resurs som kan laddas och urladdas enligt ett kontrakt, i stället för att enbart förlita sig på spotmarknadens signaler.

Det här är viktigt av två skäl:

1. Risk flyttas till rätt plats. En aktör (ofta en elhandlare/utility) tar större del av marknads- och driftoptimeringen, medan ägaren av batteriet får stabilare intäkter.
2. Drift blir ett “beställt jobb”. Batteriet blir inte bara ett arbitrageverktyg (köp billigt/sälj dyrt), utan en resurs för kapacitet, nätstöd och systembalans.

I Clearways fall handlar det om avtal med en stor nät- och energileverantör (SDG&E) för ett sol- och lagringskomplex i Kalifornien. Poängen för oss i Sverige: marknaden går mot mer kontrakterad flexibilitet – och den som kan paketera och bevisa flexibilitet vinner.

Varför det här spelar roll även i Sverige

Även om svensk marknadsdesign skiljer sig från Kalifornien är grundproblemet samma: mer väderberoende produktion och mer elektrifiering ger större behov av snabb styrning.

Det dyker upp i praktiken som:

• ökade kostnader för obalanser och effekt,
• lokal nätträngsel,
• större värde på stödtjänster och laststyrning,
• fler affärsmodeller där flexibilitet säljs via avtal snarare än “på chans” i spot.

För svenska projektutvecklare och industribolag betyder det att avtalsformen kan vara lika avgörande som batteriets storlek.

4 timmar vs 8 timmar: durationsvalet är ett affärsbeslut (och en AI-fråga)

Att Clearways två avtal är liknande i effektstorlek men har olika varaktighet – en del med 4 timmars urladdning och en med 8 timmars – är inte bara ingenjörsdetaljer. Det är en spegel av två olika behov i systemet:

• 4 timmar passar ofta för dagliga toppar: flytta solel från mitt på dagen till kvällstopp, kapa kortare pristoppar, leverera snabba systemtjänster.
• 8 timmar börjar adressera mer “energi”-tunga behov: längre kvällstoppar, längre perioder med låg produktion, och i vissa system även mer robust backup.

Det är här jag tycker många bolag tänker fel. De startar i tekniken (“vi bygger X MWh”) i stället för i frågan: vilket problem i nätet betalas bäst för att lösas?

Hur AI gör durationsvalet mer träffsäkert

AI hjälper inte bara till med drift i realtid, utan redan i beslutsfasen:

• Prognoser: bättre prognoser för last, sol/vind, priser och nätbegränsningar gör att intäktsprofilen för 4h vs 8h går att simulera med högre precision.
• Scenarioplanering: generativa modeller och optimeringsmodeller kan snabbt testa tusentals kombinationer av tariffstrukturer, prisvolatilitet och degraderingsantaganden.
• Degradering och garantioptimering: AI-modeller kan förutse hur olika driftmönster påverkar batteriets livslängd och därmed den verkliga lönsamheten.

En enkel men användbar tumregel i strategidiskussioner: 4h optimerar ofta intäkter per MW, 8h optimerar ofta systemnytta per ansluten punkt. Vilket som är “bäst” avgörs av avtal, nätläge och prissignaler.

När BESS säljs till en yieldco: vad det betyder för finansiering och skalning

I nyheten framgår också att BESS säljs vidare till en yieldco (en struktur som ofta används för att äga driftsatta tillgångar med stabila kassaflöden). Den typen av ägarlogik hänger ihop med samma sak: förutsägbara intäkter.

Här är den praktiska implikationen:

• När intäkter blir mer kontrakterade (via tolling/kapacitetsliknande upplägg) blir tillgången lättare att finansiera.
• När finansiering blir enklare kan marknaden skala snabbare.

Det här är relevant i Sverige när man diskuterar varför vissa batteriprojekt “fastnar” i kalkylen. Ofta handlar det mindre om att tekniken inte fungerar och mer om att:

• intäkter är för exponerade mot kortsiktiga prisrörelser,
• affärsmodellen är för beroende av en enskild intäktsström,
• driftstrategin (och dess risk) inte är tydligt fördelad mellan parter.

AI kan inte trolla fram intäkter, men den kan göra två saker som finansiärer gillar:

1. Minska osäkerheten genom bättre prognoser och tydligare driftlogik.
2. Bevisa process: spårbar optimering, uppföljning, avvikelseanalys och rapportering.

Så bygger du en “AI-redo” lagringsaffär: 7 krav jag hade ställt

Om du sitter på en kommunal energiverksamhet, ett industriföretag, en projektutvecklare eller en nätaktör: det räcker inte att “skaffa ett batteri”. Du behöver en affär som går att styra och följa upp.

Här är sju krav jag återkommer till när jag utvärderar om ett BESS-case är redo för AI-driven optimering och stabila avtal:

1. Tydligt primärt värdecase: toppkapning, stödtjänster, nätstöd, energiflytt, reservkraft – välj och rangordna.
2. Datagrund: mätning på rätt nivå (15-min/5-min/sekund beroende på marknad), datakvalitet och historik.
3. Styrbarhet: API/SCADA-integration, cybersäkerhet och tydliga driftsbegränsningar.
4. Optimeringsregler: vem bestämmer när batteriet körs, och vad är prioriteringsordningen vid konflikt?
5. Degraderingsmodell: hur prissätts cykler, temperaturpåverkan och garantiutfall i optimeringen?
6. Avtalsdesign: ersättning för tillgänglighet vs energi, incitament för rätt beteende, hantering av force majeure.
7. Rapportering och revision: KPI:er som går att verifiera (tillgänglighet, levererad energi, respons, avvikelser).

Den röda tråden: AI blir värdefull först när mål, data och ansvar är glasklara. Annars optimerar du bara otydlighet.

Vanliga frågor jag får om batterilager, AI och avtal

“Behöver man AI för att driva ett batteri?”

Nej. Men när du har flera intäktsströmmar, nätbegränsningar och dynamiska priser blir manuell drift snabbt dyr. AI + optimering är då det mest rationella sättet att minska felbeslut.

“Är längre duration alltid bättre?”

Nej. Längre duration kostar mer, tar mer plats och ger inte alltid bättre betalt. Många marknader belönar fortfarande effekt och snabb respons snarare än långa energileveranser.

“Vad är den största affärsrisken?”

Att räkna hem projektet på en intäktsström som senare pressas (t.ex. fler batterier som konkurrerar) och att sakna en plan för hur batteriet kan byta roll när marknaden förändras. Här gör AI skillnad genom att möjliggöra snabbare strategiändringar.

Det här är riktningen: från “batteriprojekt” till “flexibilitetsprodukt”

Det mest intressanta med Clearways avtal är inte att siffran är 560 MWh, utan att den pekar på ett skifte: elnätet vill köpa flexibilitet som en produkt med villkor, inte som en gissning på spotmarknaden.

För svensk energiomställning – särskilt nu när elektrifiering och industriinvesteringar fortsätter även in i 2026 – är det en nyttig tankemodell. Den som kan paketera ett batteri, en styrstrategi och ett avtal till något som känns lika förutsägbart som annan infrastruktur kommer ha lättare att:

• få finansiering,
• få nätanslutning prioriterad,
• vinna kundernas förtroende,
• och skala.

Jag tror att nästa våg av projekt inte vinns av den som har “störst batteri”, utan av den som kan visa bäst styrning, bäst avtal och bäst uppföljning.

Frågan att ta med sig: Om ditt batterilager måste byta driftstrategi på 30 dagar för att marknaden ändras – har ni data, avtal och AI-stöd som klarar det?

Nästa steg (om du vill göra det här konkret)

Om målet är fler leads och fler verkliga projekt: börja med en workshop där ni kartlägger värdecase, dataläge och avtalsalternativ. Jag har sett att 2–3 timmar räcker för att hitta de stora hålen i kalkylen – och de snabbaste vinsterna i styrning.