Så kan AI stärka elnät med 400MWh batterilagring

Sabah i Malaysia har precis gjort något som många elnätsägare pratar om men få får på plats snabbt: man har tagit en 100MW/400MWh batterianläggning i drift – BESS Lahad Datu – med ett tydligt uppdrag: stabilare el, färre avbrott och mindre diesel. Det här är inte bara en regional nyhet. Det är ett konkret exempel på hur energilagring och smart styrning hänger ihop när elnätet ska tåla mer förnybart och mer belastning.

Jag tycker det mest intressanta är vad som kommer efter invigningsbandet. För en stor BESS är inte “klar” när den är byggd – den blir värdefull på riktigt när den körs smart. Och det är här AI i energisystem gör skillnad: prognoser, optimering, detektering av fel och automatiserade beslut som tar hänsyn till både nätets fysik och ekonomi.

Den här artikeln är en del av vår serie ”AI inom energi och hållbarhet”. Vi tar Sabahs 400MWh som startpunkt och pratar om vad svenska energibolag, industrikluster och kommuner kan lära sig – och hur AI kan göra lagringen mer än en dyr reserv.

Varför en 100MW/400MWh BESS spelar roll för energisäkerhet

En stor batterilagring gör tre saker som elnät i snabb förändring behöver: den reagerar snabbt, den kapar toppar och den kan hålla frekvens och spänning stabil när produktion och last rör sig fort.

BESS Lahad Datu är byggd för att minska risken för störningar på Sabahs östkust. I praktiken handlar det om att ha en buffert när något händer – ett fel i nätet, en generator som faller bort, eller en plötslig lastökning. Med 100MW effekt kan man “trycka in” mycket stöd på kort tid. Med 400MWh energi kan man hålla i det stödet i flera timmar (grovt räknat: 100MW i cirka 4 timmar).

Sabah lyfte också en politisk poäng: mindre beroende av diesel. Det är en tydlig signal om vad som driver lagringsinvesteringar i många regioner: diesel är ofta dyrt, logistiskt sårbart och klimatmässigt problematiskt.

Effekt (MW) vs energi (MWh) – varför båda behövs i kravställningen

Det är lätt att fastna i “störst i regionen”-rubriker. Men det viktiga för designen är skillnaden mellan:

• MW (effekt): hur mycket batteriet kan leverera eller ta emot just nu.
• MWh (energi): hur länge batteriet kan hålla den effekten.

Sabahs 100MW/400MWh är tydligt dimensionerad för både snabb stabilisering och uthållighet. Jämför med Singapore, där en BESS på Jurong Island har varit störst i MW i regionen (200MW) och byggts ut i MWh. Poängen: olika elnät behöver olika mix beroende på hur mycket toppar, fel och förnybar variation man måste hantera.

AI som “hjärnan” ovanpå batteriet: från reserv till optimerad resurs

En BESS utan smart styrning riskerar att bli en dyr brandkår som rycker ut för sent eller på fel sätt. Med AI kan man i stället göra batteriet till en förutsägande, optimerande resurs som jobbar hela dygnet.

Här är fyra AI-förmågor som direkt kopplar till det Sabah vill uppnå: stabilitet, mindre diesel och mer förnybart.

1) Prognoser: last, sol och störningar – timme för timme

AI-modeller (ofta en kombination av tidsserieanalys och maskininlärning) kan förbättra:

• Lastprognoser på 15-min, tim- och dygnsnivå
• Sol- och vindprognoser med lokal väderdata
• Sannolikhet för flaskhalsar i nätet (t.ex. när vissa linjer närmar sig termiska gränser)

Resultatet är att batteriet kan laddas och urladdas när det gör mest nytta – inte bara när någon operatör ser problemet i kontrollrummet.

Snippet-vänligt uttryckt: “Ett batteri som körs på historik reagerar. Ett batteri som körs på prognoser förebygger.”

2) Optimering: när ska batteriet ladda, stötta nätet eller spara energi?

I ett nät med mer förnybart blir målet sällan bara “håll lamporna tända”. Det handlar också om kostnad, utsläpp och slitaget på batteriet.

AI-baserad optimering kan väga samman:

• nätstabilitet (frekvens/spänning)
• energipriser eller interna kostnadsparametrar
• dieseldriftens marginalkostnad
• batteriets degradering (cykler, temperatur, state of health)
• beredskapskrav (hur mycket energi måste alltid finnas kvar?)

En praktisk konsekvens: batteriet kan köras så att det minimerar dieselstart vid toppar, samtidigt som det sparar “energi i tanken” för störningar. Det kräver policyregler, men AI gör avvägningen snabb och konsekvent.

3) Snabbare nätstöd: frekvens, spänning och svartstart

Storskaliga batterier är utmärkta för frekvensreglering eftersom de kan agera på millisekunder till sekunder. AI kommer in genom att:

• identifiera mönster som föregår frekvensavvikelser
• adaptivt justera styrparametrar beroende på nätets tillstånd
• koordinera batteriet med andra resurser (solparker, vattenkraft, efterfrågeflex)

I vissa nät kan batterier även stödja svartstart (återuppbyggnad av nät efter avbrott). Då blir AI relevant för sekvensplanering: vilken last ska kopplas in när, och hur undviker man nya kollapser?

4) Prediktivt underhåll: färre driftstopp, säkrare drift

BESS är inte bara celler – det är kylning, kraftelektronik, transformatorer och styrsystem. AI kan analysera sensordata för att upptäcka tidiga tecken på problem:

• temperaturavvikelser på modulnivå
• ökande internresistans
• avvikande beteende i växelriktare
• kylsystem som tappar effektivitet

Det minskar risken för oplanerade stopp och stärker säkerheten – en viktig faktor när energilagring rullas ut i stor skala.

Därför blir lagring akut när elbehovet ökar snabbt (tänk datacenter)

Malaysia har en prognos som sticker ut: enligt en analys från Ember väntas landets elförbrukning öka kraftigt mellan 2024 och 2030, där planerade datacenter (cirka 2GW) är en stor drivkraft.

Det mönstret känns igen globalt 2025: AI-tjänster, moln och industriell elektrifiering pressar fram snabb kapacitetsökning. När efterfrågan växer fortare än nätutbyggnaden blir energilagring ett sätt att köpa tid – och samtidigt bygga ett mer robust system.

För elnät i snabb tillväxt finns tre typiska “smärtpunkter” som batterier + AI kan hantera:

1. Topplaster: korta men dyra toppar som driver dimensionering.
2. Reserver: behov av extra marginal när produktion och last varierar.
3. Integrering av sol och vind: mer energi, men mer variation.

AI gör inte att kablar blir byggda snabbare, men den gör att den kapacitet som redan finns utnyttjas bättre.

Vad svenska aktörer kan ta med sig från Sabah (även om elnäten skiljer sig)

Sverige har ett helt annat utgångsläge än Sabah: starkt stamnät, mycket vattenkraft och andra marknadsmodeller. Ändå finns lärdomar som är förvånansvärt överförbara.

Lärdom 1: “Stabilitet” är en produkt, inte en bieffekt

När mer produktion kopplas via kraftelektronik (sol, vind, batterier) förändras dynamiken i nätet. Stabilitet behöver planeras, upphandlas och följas upp. BESS Lahad Datu byggdes explicit för att minska avbrottsrisk – det är tydlig kravställning.

För svenska nätbolag och energikluster kan det översättas till:

• tydliga prestandakrav (responstid, uthållighet, driftsäkerhet)
• mätbara KPI:er (avbrottstid, frekvensavvikelser, reserver)
• driftstrategi som är lika viktig som hårdvaran

Lärdom 2: Snabb leverans kräver standardiserade dataflöden

Projektet i Sabah levererades på drygt ett år. Sådant händer när integration och beslut inte fastnar i specialfall. För AI-driven drift är datadisciplinen avgörande:

• gemensamma tidsstämplar och upplösning (t.ex. 1s/10s/15min)
• tydliga datakontrakt mellan SCADA/EMS/BESS och analyslager
• spårbarhet: vilka styrbeslut togs och varför?

Min erfarenhet är att det här är där många organisationer tappar fart. Inte i modellen – utan i datat.

Lärdom 3: Planera för en portfölj – inte en ensam batteripark

Malaysia rör sig mot fler projekt, bland annat ett nationellt program (MyBeST) där flera 100MW/400MWh-anläggningar väntas tilldelas, plus mycket större sol- och batterisatsningar i söder.

Poängen: värdet ökar när batterier kan koordineras. I Sverige ser vi liknande logik i VPP-koncept (virtuella kraftverk) där många mindre resurser styrs som en större.

Praktisk checklista: så kommer du igång med AI för batterilagring

Om du jobbar med energibolag, industriområde, fastighetsportfölj eller kommunal energiplanering är det här en realistisk startnivå:

1. Sätt ett tydligt driftmål: lägre effekttoppar, färre avbrott, mindre diesel, mer egenanvändning av sol?
2. Säkra datan: last, produktion, nätstatus, priser, väder, BESS-telemetri.
3. Bygg en baslinje: kör regelbaserad styrning i 4–8 veckor och mät utfallet.
4. Inför prognoser: börja med last + sol (om relevant). Mät fel (MAPE) och förbättra.
5. Optimera med begränsningar: ta hänsyn till state of charge, degradering, reservkrav.
6. Skala upp till portfölj: flera batterier, flera sajter, efterfrågeflex.

Bra tumregel: AI utan driftprocess är en demo. Driftprocess utan AI blir dyrt när volatiliteten ökar.

Det som händer i Sabah pekar mot nästa fas för smarta elnät

BESS Lahad Datu (100MW/400MWh) är en tydlig milstolpe: energilagring går från pilot till kritisk infrastruktur i fler delar av världen. Samtidigt ökar elbehovet snabbt – inte minst drivet av digitalisering och datacenter – vilket gör att “stabilt nog” inte räcker.

För oss som jobbar med AI inom energi och hållbarhet är budskapet enkelt: batterier skapar flexibilitet, men AI avgör hur mycket flexibilitet du faktiskt får ut. Den som bygger lagring utan att investera i prognoser, optimering och datakvalitet kommer att lämna pengar, klimatnytta och driftsäkerhet på bordet.

Om du skulle dimensionera ett batteriprojekt i din egen verksamhet 2026: skulle du prioritera fler MWh, snabbare MW – eller en smartare styrning som gör att du behöver mindre av båda?