AI gör datacenter-el snabbare och billigare

Datacenterkapplöpningen handlar inte längre bara om kvadratmeter och fiber. Den handlar om “speed to power” – tiden från beslut till att faktiskt få megawatten på plats. I USA ser vi nu hur elnäten pressas av nya datacenter i storleksordningen 50–500 MW. Det är en effekt som kan motsvara en hel svensk kommun, ibland flera. Och när många aktörer vill in samtidigt uppstår en tråkig reflex i branschen: bygg för “värsta timmen”. Det blir dyrt, långsamt och ofta mer fossil el i systemet.

Ett projekt i Hillsboro utanför Portland, Oregon, visar ett mer pragmatiskt spår: anslut snabbare genom att vara flexibel. Elbolaget Portland General Electric (PGE) använder Gridcares AI-drivna planeringsmjukvara för att hitta ledig kapacitet i ett redan ansträngt nät och knyta den till datacenter som går med på att tillfälligt minska sin last under de få timmar per år då nätet annars hade nått sin gräns.

Det här passar rakt in i vår serie AI inom energi och hållbarhet: AI används inte bara för att förutsäga förbrukning, utan för att göra elnätet mer användbart – och därmed möjliggöra elektrifiering och digitalisering utan att kostnader och utsläpp skenar.

Varför datacenter krockar med elnätet

Svaret är enkelt: elnät planeras för toppar, inte för medel. Problemet blir akut när många stora laster ansluts i samma geografiska “kluster”, vilket Hillsboro är. Nätet består av sammankopplade noder där begränsningar kan uppstå lokalt, även om det “finns el” i regionen.

Traditionellt tänker en nätägare så här:

• Vi måste kunna leverera även om alla kunder tar ut maximal effekt samtidigt.
• Därför behöver vi förstärka överföring (ledning/transformatorstation) och ibland även köpa in mer produktion.
• Det tar år och kostar hundratals miljoner.

PGE pekar på att topparna ofta är få timmar per år, koncentrerade till ungefär 5–10 dagar. Att bygga ut för dessa timmar skapar ett nät som är överdimensionerat resten av året – och kunderna betalar notan via nätavgifter och högre elpris.

För datacenter är det lika illa: de vill etablera nu, inte om 3–7 år.

Oregon-fallet: AI som hittar “osynlig” nätkapacitet

Kärnan i Hillsboro-projektet är att PGE, med Gridcares mjukvara, modellerar nätets faktiska begränsningar över tid och letar efter kombinationer av åtgärder som gör att mer last kan anslutas utan att nätet överbelastas under topphändelser.

I praktiken handlar det om tre saker:

1) Massiv scenarioanalys, inte enstaka kalkyler

När ett kluster av datacenter växer måste man analysera:

• många nya anslutningar samtidigt
• variationer i efterfrågan timme för timme
• framtida utveckling i 5–10 år
• driftfall och avbrott (kontingenser)

Gridcares vd beskriver problemet som en kombinatorisk explosion: i stället för att räkna på ett fåtal driftfall måste man utvärdera 200 000+ scenarier och hitta billigaste vägen som håller nätet inom gränserna.

Det är här AI och modern beräkning gör skillnad: inte som “magisk autopilot”, utan som en motor för att söka igenom enorma kombinationsrum och föreslå robusta lösningar.

2) Flexibilitet blir en planeringsresurs – på riktigt

Det mest intressanta i Oregon är att flexibilitet inte bara är ett PR-ord. Den bakas in i nätplaneringen.

PGE kan säga till datacenter:

• Om ni kan vara flexibla när nätet är som mest pressat, får ni anslutning tidigare.
• Om ni kräver 100 % fast effekt alltid, får ni vänta på traditionell utbyggnad.

Det är en tydlig incitamentsstruktur. Och den är logisk: om en kund minskar sin toppbelastning kan nätägaren skjuta upp – eller undvika – förstärkningar.

3) Flexibilitet “säkrad” med batterier eller laststyrning

Ett konkret exempel är Aligned Data Centers som planerar ett batteri på 31 MW / 62 MWh i anslutning till sin anläggning. Det är ingen liten UPS. Det är en resurs som kan:

• kapa toppeffekter
• flytta last i tid
• ge nätet andrum under kritiska timmar

Det viktiga är inte att alla måste köpa stora batterier. Det viktiga är att nätägaren, med bättre analys, kan peka ut vilken typ av flexibilitet som ger mest effekt i just den noden och den flaskhalsen.

En mening att ta med sig: AI gör att flexibilitet kan värderas och köpas där den faktiskt gör nytta, i stället för att gissas fram.

Vad betyder “datacenterflexibilitet” i praktiken?

Flexibilitet blir ofta missförstådd. Många tänker att datacenter “kan stänga av”. Det är sällan sant för hela lasten. Men flexibilitet kan komma från flera, mer realistiska lager:

Flex 1: Effektbegränsning under topp (peak shaving)

Datacentret sätter en maxgräns för effektuttag vid definierade nätstressperioder. Det kan ske genom att:

• flytta icke-kritiska batchjobb
• temporärt sänka klockfrekvens/effekt per server
• använda batteri eller reservkraft (där regelverk tillåter)

Flex 2: Tidsförskjutning av beräkningsarbete

AI-träning, rendering, indexering och vissa analysjobb är ofta flyttbara i tid. Inte överallt, men i fler fall än man tror.

En bra tumregel: om jobbet inte är kundinteraktivt i realtid finns flexibilitet att hämta.

Flex 3: Lokal energiresurs som kan styras

Batterier är tydligast, men även:

• termisk lagring (kyla)
• smart styrning av kylmaskiner
• egen förnybar produktion i kombination med lagring

För elnätet spelar det mindre roll hur flexibiliteten skapas. Det som räknas är att den är mätbar, aktiverbar och pålitlig.

Varför det här också är en hållbarhetsfråga (inte bara teknik)

Det finns en obekväm koppling i många marknader: när nätet inte räcker till väljer man ofta att bygga mer fossil produktion för att möta toppar och osäkerhet. Artikeln beskriver hur amerikanska elbolag planerar stora investeringar i fossil kraft och nätkapacitet på grund av datacenterboomen.

Flexibilitet attackerar just den mekanismen:

• Mindre topp = mindre behov av “spetskraft”
• Högre nyttjandegrad i befintligt nät = lägre systemkostnad
• Snabbare anslutning utan överbyggnad = mindre kapital bundet i onödiga förstärkningar

Och i en svensk/europeisk kontext är parallellen tydlig. Även här pratar vi om:

• långa ledtider för nätanslutning
• regionala flaskhalsar
• ökade nätavgifter
• press på effekt vintertid

Skillnaden? Sverige har ofta ett annat produktionsmix-läge än många amerikanska regioner, men effektproblemet och nätbegränsningarna är samma typ av matematik.

Så kan svenska aktörer använda lärdomarna

Du som jobbar med energi, hållbarhet eller etablering kan använda Oregon-lärdomen som en checklista. Jag har sett att många organisationer fastnar i “mer nät” som enda lösning. Det är sällan den snabbaste.

För nätägare: bygg ett erbjudande, inte bara en kö

Ett vinnande upplägg kombinerar teknik, avtal och drift:

1. Kartlägg flaskhalsar nod för nod (inte bara regionnivå)
2. Definiera flexibilitetsprodukter: t.ex. “maxeffekt vintervardagar 07:00–10:00 och 16:00–19:00”
3. Prioritera anslutning med verifierad flexibilitet
4. Mät och följ upp med tydliga konsekvenser om flexibilitet inte levereras

Det behöver inte vara perfekt från dag 1. Men det måste vara trovärdigt.

För datacenter och industrilaster: räkna på “kronor per anslutningsmånad”

Många pratar om batterikostnad per kWh. För anslutningsstrategi är det ofta fel KPI.

Räkna i stället:

• Vad är intäktsvärdet av att gå live 12–24 månader tidigare?
• Vad kostar flexibilitetslösningen (batteri, kylstyrning, laststyrning, avtal)?
• Vilket effektbidrag krävs där ni sitter i nätet – 5 MW, 20 MW, 50 MW?

En flexlösning som ser dyr ut i ett traditionellt energiperspektiv kan vara billig om den köper tid.

För hållbarhetschefer: kräv att flexibilitet kopplas till utsläppsnytta

Flexibilitet är inte automatiskt “grön”. Den blir grön när den:

• minskar användning av fossil spetsproduktion
• gör att mer förnybart kan integreras
• minskar behov av överdimensionerade nätinvesteringar

Be om en enkel konsekvenskedja: vilken flaskhals, vilka timmar, vilken åtgärd, vilken effekt, vilken systemnytta.

Vanliga följdfrågor (och raka svar)

“Kan man verkligen lita på flexibilitet när det gäller kritisk infrastruktur?”

Ja, om den är kontrakterad, testad och driftövervakad. Precis som vilken systemtjänst som helst måste den ha prestandakrav och uppföljning. PGE själva beskriver detta som en “stegvis” strategi: man vill se det fungera innan man skalar.

“Betyder det här att man slipper bygga nät?”

Nej. Poängen är att köpa tid och minska kostnadstoppar. PGE är tydliga med att utbyggnad fortfarande behövs, men att flexibilitet är en bro som gör att man slipper överreagera.

“Är AI nödvändigt?”

När du har många stora laster, många nätbegränsningar och många möjliga flexibilitetskombinationer: ja, i praktiken. Inte för att människor är dåliga, utan för att problemet är för stort för manuell analys i rimlig tid.

Nästa steg: från pilot till standard i smarta elnät

Det Oregon gör rätt är inte att de “uppfinner” flexibilitet. De gör den planerbar. Och det är där AI kommer in: att gå från magkänsla och worst-case till att systematiskt hitta ledig kapacitet, prissätta den och knyta den till tydliga åtaganden.

För oss som jobbar med AI inom energi och hållbarhet är det här en påminnelse: den mest värdefulla AI:n i energisystemet syns ofta inte för slutkunden. Den sitter i planeringsverktygen, i driftbesluten och i avtalsmodellerna som gör att mer kan hända snabbare – med lägre kostnad och lägre utsläpp.

Om du står inför en ny stor elanslutning 2026–2029 är min tydliga ståndpunkt: börja med flexibilitetsdesign, inte med kabelbeställning. Först när du vet vilka timmar som är dyra och varför, vet du vad som är smart att bygga.

Vilken del av er last skulle ni kunna göra flexibel i 100 timmar per år – om det innebar att ni fick effekt på plats ett år tidigare?