AI och elnätet: lärdomar från New Yorks 5,5 GW-plan

Den 2025-12-09 gav New York Power Authority (NYPA) grönt ljus till en plan för 5,5 GW ny förnybar el – sol, vind och energilagring. Det är en rejäl uppväxling jämfört med deras tidigare mål, men samtidigt en nedjustering från sommarens utkast på 7 GW. Spännvidden säger något viktigt: att bygga förnybart i stor skala är inte bara en investeringsfråga – det är en planerings- och nätfråga.

Och här kommer den röda tråden för oss som jobbar med AI inom energi och hållbarhet: när flaskhalsar handlar om nätanslutning, överföringskapacitet, osäkerhet i regelverk och projektportföljer som förändras, blir AI mindre “nice to have” och mer ett praktiskt verktyg för att få saker att hända.

New Yorks situation är också bekant för svenska läsare. Vi har höga klimatambitioner, elektrifiering som accelererar och en elnätsdebatt som ibland låser sig i två läger: “bygg mer produktion” eller “bygg mer nät”. Verkligheten? Du behöver båda – och du behöver bättre styrning, bättre prognoser och snabbare beslutsunderlag.

Varför 5,5 GW är stort – men ändå inte räcker

5,5 GW ny kapacitet är en stor volym i ett enda strategibeslut, särskilt när den kommer från en offentligt ägd aktör som ska bära ansvar även när marknaden tvekar. NYPA:s plan togs fram i ett läge där privata utvecklare dragit sig ur flera samarbeten, och där minskade federala skatteincitament samt brist på överföringskapacitet bromsar projekt.

Det intressanta är inte bara siffran, utan dynamiken:

• NYPA går in med majoritetsägande i projekten (51 %), vilket förändrar riskprofilen.
• När partners backar ur behöver portföljen snabbt omformas.
• Nätets begränsningar (interconnection/transmission) styr vilka projekt som ens är möjliga att realisera inom rimlig tid.

För Sverige blir parallellen tydlig: även om kapitalet finns kan köer för anslutning, brist på regionnätskapacitet och långa tillståndsprocesser göra att “byggplaner” blir PowerPoints.

Myten: “Mer förnybart löser sig bara vi bygger det”

Det vanligaste feltänket jag ser är att förnybar utbyggnad behandlas som ett linjärt projekt: beställ kapacitet, bygg, koppla in. I praktiken är det ett optimeringsproblem med begränsningar:

• Var finns ledig nätkapacitet nu?
• Var kommer belastningen öka av elektrifiering?
• Vilken mix av sol/vind/lagring ger minst trängsel i nätet?
• Vilka timmar ger kapaciteten faktiskt leverans, givet väder och last?

Det är här AI kan göra skillnad: den kan göra planeringen mer verklighetsförankrad – och mindre ideologisk.

Flaskhalsen alla kommer tillbaka till: nätanslutning

I artikeln lyfts en tydlig broms: nätanslutning och överföringskapacitet. Det här är inte unikt för USA. Det är ett globalt mönster när förnybart och elektrifiering växer snabbt.

Answer first: Om du vill skala förnybart snabbare måste du minimera tiden från idé till nätanslutning. AI hjälper genom att förutse var nätet riskerar att bli överbelastat och föreslå åtgärder som ger mest effekt per investerad krona.

AI i praktiken: från “karta” till “körschema”

Här är tre AI-drivna användningsfall som direkt adresserar interconnection-problemet:

1. Prediktiv nätplanering (load + generation forecasting)

   • ML-modeller kan kombinera historisk last, väder, ekonomiska indikatorer och elektrifieringstakt för att prognostisera belastning på nodnivå.
   • Resultatet blir en plan som kan peka ut exakt var kapacitetsbrist uppstår och när.

2. Optimering av anslutningsköer (queue optimization)

   • I många system sitter nätbolag med en “först in, först ut”-kö som inte maximerar samhällsnytta.
   • AI kan simulera alternativa ordningsregler (t.ex. leveranssannolikhet, nätpåverkan, geografisk spridning) och ge beslutsunderlag som minskar tomma reserveringar.

3. Hosting capacity och flexstyrning

   • Med mer sensordata (SCADA, smarta mätare, stationer) kan AI räkna fram dynamisk hosting capacity, inte bara statiska schabloner.
   • Kombineras det med flexibilitet (batterier, efterfrågeflex, VPP) kan nätet “svälja” mer förnybart utan att bygga lika mycket koppar direkt.

Det här är också en bra påminnelse: AI ersätter inte nätinvesteringar, men den kan flytta fram gränserna och få mer effekt av befintlig infrastruktur.

När politiken svänger: så gör AI portföljen robust

NYPA:s mål krymper från 7 GW till 5,5 GW bland annat på grund av förändrade ekonomiska villkor och att samarbeten föll bort. Den typen av volatilitet är numera normal. Skatteincitament, räntor, leveranskedjor och tillståndslägen ändras snabbt.

Answer first: AI gör projektportföljer mer robusta genom att möjliggöra löpande omoptimering – vilka projekt som ska prioriteras, var lagring behövs och hur risk ska spridas.

Portföljoptimering (inte bara projektstyrning)

Många organisationer är duktiga på att styra enskilda projekt men svagare på portföljnivå. En AI-stött portföljmodell kan väga in:

• Intäktsrisk (prisområden, volatilitet, hedging)
• Nätanslutningsrisk (kö, sannolik ledtid, krav på förstärkningar)
• Tillståndsrisk (miljöprövning, lokalt motstånd, tidsosäkerhet)
• Teknisk leveransprofil (produktion per timme/år, korrelation med last)
• Behov av lagring (hur mycket batteri krävs för att minska curtailment och toppar)

Resultatet blir ett styrande svar på frågan: Vilken kombination av sol, vind och batterier ger mest levererad fossilfri energi per nätbegränsning och per investerad krona?

Snabbare beslutsloopar i offentlig sektor

En offentlig aktör som NYPA har ofta ett extra lager av ansvar: transparens, jämlikhet och politisk granskning. Det gör att beslutsprocesser lätt blir långsammare.

Min ståndpunkt: offentlig sektor behöver bättre, mer spårbara AI-modeller än privat sektor – inte färre. Spårbarhet (varför modellen föreslår X), scenarioanalys och robusthet mot bias är centralt när du fattar beslut som påverkar elpriser och försörjningstrygghet.

Smarta elnät: så får du 5,5 GW att fungera i verkligheten

Att bygga 5,5 GW förnybart är bara halva jobbet. Resten är integration: frekvenshållning, kapacitetsbrist, balans, och att undvika att förnybart kapas bort (curtailment).

Answer first: Smart grid-teknik med AI är det snabbaste sättet att öka nyttan av ny förnybar kapacitet, eftersom den höjer utnyttjandegraden och minskar behovet av fossil reserv.

Tre byggblock som ofta saknas

1. Avancerad korttidsprognostik (5 min–48 h)

   • För sol och vind är värdet av bättre prognoser konkret: mindre reserv, bättre handelsposition, stabilare drift.
   • AI-modeller som kombinerar väderdata, satellitbilder och historik ger bättre precision än enkla regressionsmodeller.

2. AI för batteristyrning (lagring som systemtjänst)

   • Batterier ska inte bara “lagra överskott”. De ska placeras och styras för att lösa lokala nätproblem.
   • AI kan optimera mellan flera mål: arbitrage, toppkapning, spänningsstöd och deltagande i stödtjänstmarknader.

3. Virtuella kraftverk (VPP) och efterfrågeflex

   • När datahallar, laddning och värmepumpar växer blir flexibilitet en verklig resurs.
   • AI behövs för att aggregera tusentals enheter utan att komfort och processkrav havererar.

En mening som tål att citeras: Förnybart skalar snabbast i de system som är bra på att styra variation – inte i de system som låtsas att variationen är ett framtidsproblem.

Miljö- och samhällseffekt: AI som kontrolltorn

Utbyggnad i stor skala väcker alltid lokala frågor: markanvändning, buller, biologisk mångfald och acceptans. Det här blir ofta en stoppkloss när projekten kommer nära.

Answer first: AI-baserad miljöövervakning och konsekvensanalys gör det lättare att både minska påverkan och visa att du minskar den.

Praktiska exempel:

• Bildanalys från drönare/satellit för att följa markpåverkan och återställning.
• Akustiska sensorer + ML för att upptäcka förändringar i fågel- och fladdermusaktivitet nära vindparker.
• Anomali-detektering i vatten- och markdata vid större byggnationer.

Det handlar inte om att “vinna en debatt”. Det handlar om att skapa en utbyggnad som går att upprepa – utan att förtroendet tar slut.

Frågor som många ställer – och raka svar

Hur mycket el är 5,5 GW egentligen?

Det är kapacitet, inte energi. Levererad el beror på kapacitetsfaktor (vind/sol) och hur mycket som kan nyttjas utan att kapas bort.

Varför är lagring med i samma mål som sol och vind?

För att lagring ofta är det som gör att ny förnybar el kan anslutas och användas effektivt, särskilt i trånga nät.

Är AI mest för stora elbolag?

Nej. Kommunala energibolag, fastighetsägare och industrier kan använda AI för flexibilitet, prognoser och batteristyrning – och därmed bidra till systemnytta.

Vad svenska energiaktörer kan göra redan 2026

New Yorks plan visar en sak: när nät och marknad skakar behöver du en plan som kan justeras utan att tappa fart.

Här är en praktisk startlista jag brukar rekommendera:

1. Bygg en gemensam datamodell för nät, produktion och last (även om den är “80 % klar”).
2. Sätt upp prognoser på rätt upplösning: nod, station, timme/minut – inte bara årsmedel.
3. Kör portföljsimuleringar varje månad, inte vartannat år.
4. Identifiera 3–5 flex-resurser (batteri, värme, laddning, processlast) och gör dem styrbara.
5. Kravställ spårbar AI: loggning, förklarbarhet och scenariokörning från dag ett.

Det här är inte futurism. Det är operativt arbete som ger effekt inom 6–12 månader om man prioriterar rätt.

Nästa steg: från ambition till leverans

New Yorks 5,5 GW-plan är ett kvitto på att offentliga aktörer kan skala upp när marknaden tvekar. Men den blottar också den verkliga utmaningen: förnybar energi byggs inte i ett vakuum – den byggs in i ett elnät som redan är fullt, politiskt laddat och tekniskt komplext.

I vår serie AI inom energi och hållbarhet återkommer vi till samma slutsats: AI är som mest värdefull när den används för att göra svåra system styrbara – prognoser, flexibilitet, nätplanering och uppföljning. Om du vill få mer förnybart snabbare är det här verktygslådan som faktiskt biter.

Om du sitter med en portfölj av sol, vind, batterier eller flexibilitet: vilken del av kedjan är din riktiga flaskhals – kapital, tillstånd, nät, eller beslutstakt? Svaret avgör var AI-insatsen ger mest effekt.