AI hittar dold geotermi: lärdomar från Nevada

USA har omkring 4 gigawatt geotermisk el installerad kapacitet – och ändå står geotermi för mindre än en halv procent av landets elproduktion. Det är en märklig kontrast: en av världens mest stabila, koldioxidsnåla energikällor finns redan, men används knappt.

Det som nyligen hände i Nevada gör den kontrasten svårare att bortförklara. Geotermibolaget Zanskar säger sig ha hittat ett ”blint” geotermiskt system – alltså ett underjordiskt värmereservoarsystem utan tydliga yttecken som gejsrar eller ångventiler och utan tidigare prospekteringshistorik – med potential att leverera över 100 MW el. Och det mest intressanta för den här serien, AI inom energi och hållbarhet, är hur fyndet gjordes: med modern prospektering, dataanalys och AI som pekade ut var man skulle borra.

Det här är inte bara en USA-nyhet. Det är en praktisk fallstudie i hur AI kan minska risk, korta ledtider och göra förnybar energi mer planerbar – exakt det som krävs när elbehovet stiger snabbt, inte minst från datacenter och elektrifiering.

Varför ”blind” geotermi kan bli en stor energinyhet

Kort sagt: Om ”blind” geotermi går att hitta systematiskt kan den ge mer planerbar el utan att uppfinna helt nya borrtekniker.

Traditionell (konventionell) geotermi bygger på att man hittar en naturlig kombination av:

• Hög temperatur på rimligt djup
• Permeabilitet (sprickor/porositet) så att vatten kan cirkulera
• Tillräcklig reservoarvolym för långsiktig produktion

Historiskt har prospektering ofta följt det ”uppenbara”: områden med vulkanism, varma källor och synliga ångutsläpp. Problemet är att många användbara reservoarer inte annonserar sig på markytan. De är blinda.

Zanskars poäng är därför enkel och ganska vass: det är inte resurserna som tagit slut – det är våra kartor som är gamla. När man kombinerar ny geovetenskaplig mätdata med AI-modeller som kan väga många signaler samtidigt, kan man hitta sådant som tidigare missades.

För energisystemet spelar det roll eftersom geotermi ger ”ren och stabil” el (ofta beskrivet som clean firm power): koldioxidsnål produktion som kan leverera dygnet runt, oberoende av väder.

Nevada-fyndet: vad som faktiskt är nytt här

Det nya är inte att man borrat varmt. Det nya är att man hittat ett kommersiellt ”blint” system med konventionell teknik – en sällsynthet i USA på decennier.

Zanskar beskriver projektet Big Blind i västra Nevada som ett naturligt geotermiskt system med potential för >100 MW. Två testbrunnar borrades under sommaren och på cirka 2 700 fot (drygt 800 meter) nådde man en porös zon med temperaturer runt 250 °F (cirka 121 °C). Enligt bolaget överstiger detta miniminivåer för storskalig geotermisk el.

Det här är en viktig detalj: många ”nästa generations geotermi”-bolag kan i teorin skapa geotermi nästan var som helst, men ofta kräver det mycket djupare borrning (ibland flera kilometer) och mer avancerade metoder. I Zanskars fall tyder resultaten på att man kan bygga med beprövad kraftverksteknik och ”standardiserade” industriprocesser – när väl resursen är bevisad.

Tidslinjen de kommunicerar är 3–5 år till drift. Det inkluderar nätanslutning, tillstånd, utbyggnad av brunnfält och själva kraftverket.

AI:s roll: från ”bra magkänsla” till sannolikhetskarta

AI gör prospektering skalbar genom att omvandla stora datamängder till konkreta borrbeslut.

Här är den praktiska kärnan: prospektering handlar om att fatta dyra beslut under osäkerhet. En testbrunn är inte ett labbtest – det är ett fler-miljonersbeslut. Då räcker det inte med enstaka datapunkter.

AI bidrar på tre nivåer:

1) Dataintegration: fler svaga signaler blir en stark indikation

Geotermiska anomalier kan synas i kombinationer av data som var för sig inte räcker:

• värmeflödesindikatorer
• geologiska strukturer och förkastningar
• geofysiska mätningar
• historiska borrdata (när den finns)
• hydrologi och mineralogi

AI-modeller kan väga samman dessa och skapa en ”sannolikhetskarta” för var det är mest rationellt att borra först.

2) Riskreduktion: färre torra hål

Den snabbaste kostnadssänkningen i geotermi är brutal men sann: borra färre missar. AI kan inte trolla fram värme som inte finns, men den kan förbättra urvalet så att kapitalet hamnar i de mest lovande zonerna.

En bra tumregel i investeringar i undergrundsprojekt är att riskpremien styr allt. När osäkerheten minskar kan finansieringen bli billigare – vilket i sin tur kan göra fler projekt lönsamma.

3) Lärande över tid: varje brunn förbättrar modellen

Prospektering blir extra intressant när den blir iterativ:

1. Modell pekar ut borrplats
2. Brunn ger temperatur- och permeabilitetsdata
3. Data matas tillbaka
4. Modellen uppdateras och nästa borrning blir bättre

Det är samma logik som i smarta elnät: mätning → styrning → förbättring.

En mening jag återkommer till i AI-projekt inom energisektorn: ”Data är inte något du har, det är något du bygger.” Geotermi är ett tydligt exempel.

Från mark till nät: därför geotermi passar smarta energisystem

Geotermi är ett stabilt ankare i ett elsystem där sol och vind varierar.

När vi pratar smarta elnät i Sverige handlar det ofta om flexibilitet: laststyrning, batterier, effektoptimering och prognoser. Men flexibilitet blir enklare när systemet också har stabil produktion. Där har geotermi en särskild roll.

Geotermi som ”bas” för lokal energiförsörjning

Zanskar pekar på en strategi som är logisk i en AI-driven energiekonomi: samlokalisera stora laster (t.ex. datacenter) med stabil produktion. Det minskar behovet av långväga överföring, sänker nätförluster och förenklar effektplanering.

I praktiken kan geotermi bli en del av en lokal mix:

• geotermi för 24/7-effekt
• sol för billiga dagtimmar
• batterier för snabb respons och toppar
• AI-styrning för att optimera drift och kostnad

Varför datacenter driver frågan just nu

Elbehovet från datacenter diskuteras allt mer (även i Europa) eftersom AI-tjänster och molninfrastruktur kräver enormt mycket el – och helst el som kan garanteras timme för timme. Geotermi har därför en attraktiv profil: den kan leverera hög kapacitetsfaktor och ofta med relativt liten markyta.

Det betyder inte att varje datacenter ska ligga på en geotermireservoar. Men det betyder att geografisk optimering blir en konkurrensfördel: rätt last på rätt plats, med rätt produktion.

Praktiska lärdomar för energibolag och kommuner i Norden

Det viktigaste att ta med sig är metodiken: AI kan modernisera hur vi hittar och dimensionerar energiresurser – även när tekniken i sig är ”gammal”.

Även om Nevada inte är Norrland, finns det överförbara arbetssätt för aktörer som jobbar med energiplanering, industrietableringar eller storskalig elektrifiering.

1) Bygg en prospekteringspipeline, inte ett enskilt projekt

Många energisatsningar fastnar i ”pilot-träsket”. Zanskar-ansatsen handlar om att skapa ett systematiskt flöde: data in, modell ut, test, iterera.

För svenska aktörer kan motsvarigheten vara:

• regional energikartering (värme, geologi, nätkapacitet, industriella behov)
• prioritering av platser för fördjupade studier
• gemensamma dataplattformar mellan kommun, nätbolag och industri

2) Optimera för tid till nätanslutning – inte bara resurs

Ett geotermifynd är värdelöst om det tar tio år att få ut elen. AI kan också användas för att väga in:

• nätanslutningsmöjligheter
• tillståndsprocesser
• markanvändning
• vattenfrågor

Den mest underskattade KPI:n i energiomställningen är ”tid till första kilowattimme”.

3) Gör geotermi till en del av flexibilitetsstrategin

Geotermi konkurrerar inte bara med vind och sol – den kompletterar dem. För ett smart elnät är det ofta billigare att kombinera:

• en stabil källa (geotermi, vattenkraft där den finns, kraftvärme)
• flexibilitet (batterier, styrning, lastflytt)

…än att försöka lösa allt med en enda teknik.

Vanliga frågor (och raka svar)

Är 100 MW mycket?

Ja. 100 MW motsvarar grovt räknat effekt i storleksordningen för att försörja en medelstor stad med el beroende på förbrukningsprofil, och det är en relevant storlek för att göra skillnad i nätplanering.

Varför är ”konventionell” geotermi intressant när alla pratar ny borrteknik?

För att beprövad teknik ofta är billigare att bygga och drifta när resursen väl är hittad. Ny teknik kan öppna fler platser – men konventionell kan ge snabbare kommersialisering där naturen redan gjort jobbet.

Kan AI ensam hitta geotermi?

Nej. AI är en beslutsmotor, inte en borrigg. Men den kan vara skillnaden mellan att borra tio hål för att hitta ett bra – och att borra tre.

Nästa steg: gör AI till din ”geotermigeolog” i energiplaneringen

Nevada-fyndet visar något jag tycker fler energibolag borde ta fasta på: AI ger störst effekt när den kopplas till fysiska beslut med höga kostnader – som var man borrar, var man bygger, och hur man dimensionerar nät och produktion.

Om du jobbar med energistrategi, industrietableringar eller smarta elnät är det läge att ställa en mer konkret fråga än ”ska vi använda AI?”: Vilket beslut i vår portfölj är dyrt, riskfyllt och datarikt – och skulle bli bättre av en modell?

Geotermi är en stabil bit i framtidens elsystem. Frågan är om vi fortsätter behandla den som en nisch – eller om vi, med hjälp av AI, börjar leta efter den på riktigt.