AI och elnät: så kan 5,5 GW förnybart byggas snabbare

5,5 gigawatt. Det är nivån som New York Power Authority (NYPA) nu fått godkänt för att bygga i form av sol, vind och energilagring. På pappret är det en rejäl uppväxling – nästan en fördubbling av myndighetens tidigare mål. I verkligheten är det också ett erkännande av något många energiplanerare redan känner i magen: det är inte brist på ambition som bromsar omställningen, utan kapacitet i elnätet och förmågan att genomföra.

Det här är en historia från USA, men den känns väldigt europeisk – och väldigt svensk. För när man skalar förnybart snabbt uppstår samma friktion överallt: utdragna anslutningsprocesser, oklarheter i nätdata, begränsad överföringskapacitet och projekt som faller på ekonomi när spelregler (som stöd och skatterabatter) ändras.

I vår serie ”AI inom energi och hållbarhet” använder jag NYPA:s beslut som en konkret, aktuell fallstudie (december 2025) för att visa var AI faktiskt gör skillnad: inte som en futuristisk vision, utan som praktiska metoder för att få fler megawatt i drift, snabbare och med lägre risk.

Varför 5,5 GW förnybart ändå är ett varningstecken

5,5 GW är ett offensivt mål – men neddragningen från 7 GW avslöjar var systemet spricker. NYPA:s sommarutkast låg på 7 GW men slutade i en lägre siffra, bland annat efter att privata utvecklare drog sig ur ett antal gemensamma projekt. Skälen som lyfts är två som återkommer i nästan alla marknader:

1. Försämrade ekonomiska villkor (i New Yorks fall kopplat till minskade federala skatteincitament för vind och sol)
2. Nätbegränsningar (framför allt brist på ledig överföringskapacitet och anslutningshinder)

Det här spelar roll eftersom New York har lagkrav på sin sida: 70 % förnybart till 2030 och helt koldioxidfri el till 2040. Samtidigt är deras elmix fortfarande tung på gas, medan sol och vind ligger på ensiffriga andelar.

En sak är tydlig: när privata aktörer inte bygger snabbt nog behöver offentlig kapacitet kliva in – men den offentliga aktören är fortfarande fast i samma nätverklighet.

För svenska läsare är parallellen tydlig. Vi pratar också om elektrifiering, kapacitetsbrist i vissa regioner, långa anslutningstider och en debatt om vad som ska prioriteras (ledning, flexibilitet, lagring, ny produktion).

Flaskhalsen är inte paneler eller turbiner – det är planeringen

Det mesta som stoppar förnybart i stor skala är besluts- och planeringsfriktion. När NYPA tappar projekt i joint ventures är det ofta inte för att tekniken saknas, utan för att helheten blir för riskfylld: interconnection, prisosäkerhet, förseningar och oklar systemnytta.

Interconnection: köer, osäkerhet och ”överraskningar”

Anslutningsprocessen är en av de mest underskattade riskerna i förnybart. Projekt kan se lönsamma ut tills nätstudier visar:

• behov av dyr nätförstärkning
• begränsad exportkapacitet vissa timmar
• krav på stödtjänster eller styrning
• längre ledtider än finansieringen tål

AI kan inte bygga nätet åt dig – men AI kan minska osäkerheten tidigt, så färre projekt går in i fel kö, på fel plats, med fel design.

Transmission: politiskt svårt, tekniskt komplext

Nya kraftledningar tar tid. Markfrågor, tillstånd, lokal acceptans och samordning gör att ledtiden ofta är längre än produktionsprojektens. När politiken samtidigt kräver snabbare elektrifiering blir resultatet en klassiker: vi bygger produktion snabbare än vi kan koppla in den.

Här hjälper AI indirekt genom bättre prognoser, bättre utnyttjande av befintliga nät och smartare prioritering av nätinvesteringar.

Så kan AI accelerera 5,5 GW – fyra konkreta användningsfall

AI gör störst nytta där beslut tas ofta och konsekvenserna är dyra. Nedan är fyra områden där jag ser att en aktör som NYPA (och motsvarigheter i Norden) kan få snabb effekt.

1) AI för anslutningsoptimering: ”rätt projekt i rätt nod”

Nyckeln är att flytta analysen tidigare i processen. Med maskininlärning och optimering kan man kombinera:

• historiska flaskhalsar i nätet
• lastprofiler och framtida lasttillväxt (t.ex. elfordon, datacenter, industri)
• produktionens förväntade profil (vind/sol)
• sannolikhet för curtailment (nedreglering)

Resultatet blir en anslutnings-score för olika platser och projektutformningar: vilka MW ger mest nytta med minst nätpåverkan?

Praktiskt innebär det att man kan:

• minska antalet projekt som fastnar i långa nätstudier
• välja dimensionering och styrning (t.ex. inbyggd begränsning) som gör projekt ”lättare” för nätet
• prioritera portföljen mer rationellt än först till kvarn

2) AI i drift: prognoser som minskar behovet av fossil back-up

När sol och vind ska upp från ensiffriga andelar till en dominerande andel blir prognoskvalitet en hård valuta. Bättre korttidsprognoser (minuter till dagar) ger:

• mindre behov av dyr reservkapacitet
• bättre planering av vattenkraft, batterier och import/export
• färre ”dyra timmar” i spotpris och balansmarknad

AI-modeller kan kombinera väderdata, satellitdata, historik och realtidsmätningar. Poängen är inte att bli perfekt – poängen är att bli tillräckligt bra för att minska riskpremien som annars byggs in i både investeringar och drift.

3) AI för flexibilitet: batterier, efterfrågeflex och smarta styrsignaler

NYPA:s plan omfattar även energilagring. Där blir frågan snabbt: var gör ett batteri mest nytta – och vilken styrstrategi maximerar systemvärdet?

AI kan optimera mot flera mål samtidigt:

• kapa effekttoppar (kapacitetsnytta)
• minska överlast i specifika nätkomponenter (lokal nätnytta)
• leverera stödtjänster (frekvens/reaktiv effekt där relevant)
• arbitrage (köp billigt, sälj dyrt) utan att sabotera nätet

En sak jag tycker många missar: batterier är inte bara energilagring. De är kontrollsystem. Och kontroll är precis där AI hör hemma.

4) AI för portföljstyrning: färre avhopp, mindre politisk friktion

När utvecklare drar sig ur joint ventures (som i NYPA:s fall) är det ofta för att projektrisken blivit svår att bära. AI-stöd kan användas för att hantera portföljen som en helhet:

• tidig varning om projekt som är på väg att spricka (kostnad, tillstånd, anslutning)
• scenariomodeller som visar vad som händer om stöd ändras eller räntan rör sig
• prioritering av projekt som ger robust leverans mot 2030/2040-mål

Det minskar också den politiska friktionen. Färre ”satsningar som inte blev något” skapar mer förtroende, vilket i sin tur gör nästa investeringsbeslut lättare.

”Publikt byggt” kräver publikt dataarbete

Om staten ska bygga mer förnybart måste staten också bli bättre på data och digital kapacitet. NYPA får nu ett större ansvar när marknaden inte levererar i takt med klimatmålen. Men med större ansvar följer ett nytt slags kompetensbehov:

• dataplattformar som klarar nät-, väder- och driftdata
• gemensamma definitioner (så att ”kapacitet” betyder samma sak i alla system)
• modellstyrning, validering och governance (så AI inte blir en svart låda)

I praktiken handlar det om att behandla elnätet som det det är: ett av samhällets mest komplexa cyberfysiska system.

Min ståndpunkt: Om en offentlig aktör ska ta majoritetsägande i projekt måste den också ta majoritetsansvar för beslutsunderlaget.

Vanliga följdfrågor (och raka svar)

Kan AI ersätta nya kraftledningar?

Nej. AI kan fördröja behovet och öka nyttjandegraden, men inte trolla fram fysisk överföringskapacitet.

Är AI mest relevant för stamnät eller lokalnät?

Båda. På kort sikt ser jag ofta snabb ROI i lokalnät och anslutningsfrågor (där köer och osäkerhet är stora). På längre sikt är stamnätets planering och marknadsdesign minst lika viktigt.

Räcker det med bättre prognoser för att nå 70 % förnybart?

Nej. Prognoser är en del. Du behöver också flexibilitet (batterier, vattenkraft, efterfrågeflex), marknadsregler som belönar rätt beteende och snabbare tillstånd/anslutning.

Vad svenska energibolag och kommuner kan ta med sig

NYPA:s 5,5 GW-plan visar att omställning handlar lika mycket om genomförande som om mål. För svenska aktörer som jobbar med förnybart, elnät eller industriell elektrifiering är tre lärdomar extra användbara:

1. Bygg AI-stöd runt flaskhalsen, inte runt visionen. Börja med anslutning, prognoser och flexibilitet.
2. Gör portföljstyrning till en datadisciplin. Projekt riskerar att falla av – planera för det och styr aktivt.
3. Prioritera interoperabilitet. När nät, produktion, lagring och marknad pratar samma språk går allt snabbare.

Om du jobbar med energi och hållbarhet 2026 är det här den praktiska frågan som avgör tempot: Hur snabbt kan ni fatta beslut med tillräckligt bra data?

Vill du att fler än 5,5 GW ska bli verklighet – i New York eller i Norden – är svaret sällan ”bygg mer av samma”. Svaret är att kombinera utbyggnad med smartare planering.

Och där är AI inte en pryl. Det är arbetssättet.