AI och batterilagring: lärdomar från Illinois elnät

När en delstiftare säger ”3 gigawatt batterilagring till 2030” är det inte en vision på en konferensslide. Det är en konkret inköpsplan med prislapp, tidplan och politiska kompromisser. Illinois senaste energilag – Clean and Reliable Grid Affordability Act – är just det: en stor satsning där batterier blir navet i nästa fas av omställningen.

Det här är extra intressant just nu, 2025-12-21, eftersom energisystemen går in i ännu en vinter där effekttoppar, volatila elpriser och snabb lasttillväxt (inte minst från AI-relaterade datacenter) krockar med ambitionen att bygga mer förnybart. Illinois valde att svara med styrning och incitament. Min take: det verkliga testet blir inte att installera batterierna – utan att styra dem smart. Där kommer AI in.

I den här delen av vår serie AI inom energi och hållbarhet använder vi Illinois som ett praktiskt exempel: vad de faktiskt beslutat, varför kostnadsdebatten blev så het, och hur AI i smarta elnät kan göra att en sådan lag levererar både tillförlitlighet och rimliga kostnader.

Vad Illinois faktiskt beslutade – och varför det spelar roll

Illinois lagstiftare klubbade igenom en energireform där tre saker sticker ut:

1) 3 GW elnätsansluten energilagring till 2030 Målet är en upphandling/anskaffning av batterikapacitet i stor skala. Det är i samma storleksordning som en hel uppsättning större kraftverk – men med en helt annan roll: att flytta energi i tid och stabilisera systemet.

2) Program för virtuella kraftverk (VPP) Hushåll och företag med batterier (och i praktiken ofta solceller) ska kunna tjäna pengar på att stötta elnätet när det behövs. VPP är i grunden en ”sammanslagning” av tusentals små resurser som agerar som en stor.

3) Geotermi får plats i incitamentsystemen – och kärnkraftsregler öppnas upp Geotermi blir för första gången berättigad till delstatliga incitament, och ett gammalt moratorium mot stora kärnkraftverk lyfts (efter att reglerna redan justerats 2023 för små modulära reaktorer). Det är ett tydligt ”vi vill ha fler verktyg i lådan”-beslut.

Varför spelar detta roll för svenska läsare? För att mönstret är bekant:

• Stora volymer sol och vind kräver flexibilitet.
• Priser blir politiskt explosiva när kunder ser fakturarader kopplade till nät och effekt.
• Datacenter och elektrifiering driver upp effektbehovet snabbt.

Illinois är inte Sverige. Men logiken bakom lagstiftningen – och friktionen den skapar – är universell.

Kostnadsdebatten: dyr satsning eller billig försäkring?

Den mest laddade delen var inte teknikvalet, utan betalningsmodellen.

Illinois Power Agency uppskattade att utveckling och drift av lagringen skulle kosta 9,7 miljarder USD över 20 år, finansierat via en ny avgift på elräkningen. Samtidigt säger modellen att en del intäkter från lagringsaktörer ska återföras till kunderna, vilket i slutänden skulle ge en nettokostnad på cirka 1 miljard USD.

Motargumentet från stora elkonsumenter var i princip: ”Låt marknaden bygga batterier utan att tvinga ratepayers betala.” De pekade på Texas, där batterimarknaden växt snabbt med mindre reglering.

Förespråkarna svarade: utan långsiktig intäktsförutsägbarhet kan investeringar utebli – och när kapacitetspriser och effekttillgång blir en flaskhals tar kunderna smällen ändå.

Här finns en kärnpunkt som ofta missas i energidebatten:

Batterier är inte bara en kostnadspost. De är en prismekanism.

Illinois Power Agency bedömde att batterier i kapacitetsmarknaden kan ge en systemeffekt som sparar kunderna 13,4 miljarder USD över 20 år genom att pressa priser (via ökad tillgänglig kapacitet). Med andra ord: du betalar för en struktur som kan minska prisnivåns uppåttryck.

Men: det händer inte av sig självt. Batterier som styrs fel kan till och med förstärka problem (t.ex. ladda vid fel timmar och skapa nya toppar). Det är därför AI blir en praktisk fråga, inte en ”framtidsfråga”.

AI i smarta elnät: så blir 3 GW batterier faktiskt användbara

Den direkta nyttan med AI här är bättre beslut per minut. Batteriernas värde sitter i optimeringen: när de laddar, när de urladdar, hur de samspelar med elpriser, nätbegränsningar och prognoser.

AI för last- och prisprognoser (där datacenter förändrar allt)

Illinois debatt drevs delvis av oro för snabb lasttillväxt från AI-datacenter. Den typen av last är ofta:

• stor (tiotals till hundratals MW per site),
• relativt konstant men med driftmönster,
• känslig för avbrott (kräver robusthet).

Maskininlärning kan kombinera historisk last, väder, kalenderdata, marknadsdata och lokala signaler (t.ex. industriell aktivitet) för att förutsäga:

• dygnets effekttoppar,
• sannolika prisspikar i kapacitets-/effektkritiska timmar,
• när flexibilitet ger störst systemnytta.

När prognoserna blir bättre kan lagringsstrategin bli mer träffsäker: ladda när systemet har marginal, urladda när marginalen är som tunnast.

AI för batteri-dispatch: från ”billigast timme” till ”bästa systemtimme”

Många börjar med enkel arbitrage: köp billigt, sälj dyrt. Men i ett trängt elnät räcker inte det.

AI-baserad optimering kan ta hänsyn till flera mål samtidigt:

• nätbegränsningar (var i nätet batteriet sitter spelar roll),
• kapacitetsåtaganden (tillgänglighet i kritiska timmar),
• slitage och degradering (batteriets livslängd är en ekonomisk variabel),
• frekvens- och stödtjänster (snabba reserver kan vara mer värdefulla än energi).

Det är här man får verklig ”grid reliability”. Batterierna blir inte bara en energibuffert, utan en aktiv driftsresurs.

AI och virtuella kraftverk: tusentals små resurser som en stor

VPP-programmet i Illinois är särskilt intressant för oss som jobbar med AI i energisystem, eftersom VPP i praktiken är ett styrproblem:

• Många enheter.
• Osäker tillgänglighet (hushåll kan prioritera egen backup).
• Kommunikationslatens.
• Behov av verifiering (levererade de verkligen effekt?).

AI kan hjälpa på tre nivåer:

1. Segmentering och beteendemodeller: vilka kunder bidrar stabilt och när?
2. Prediktiv styrning: aktivera rätt portfölj vid rätt tid utan att överutnyttja samma enheter.
3. Mätning och avräkning: beräkna baseline och leverans med hög integritet.

Ett bra VPP blir ofta mer än batterier: smart laddning av elbilar, styrning av värmepumpar, och industriell flexibilitet. Men batterier ger den snabba ”spetsen”.

Varför incitamenten måste vara ”säkra” – och hur AI kan stärka förtroendet

En konkret konflikt i Illinois var rädslan att företag skulle få betalt innan de levererat nytta. Förespråkarna var tydliga: incitament utlöses först när projekten är online och bidrar.

Det här är rätt tänkt, men kräver robust uppföljning.

AI och avancerad analys kan göra incitamentsmodellen mer trovärdig genom att:

• spåra faktisk drift (laddning/urladdning, tillgänglighet, respons på signal),
• kvantifiera prisdämpning och effekt på lokala flaskhalsar,
• identifiera avvikelser (om resurser ”spelar systemet” eller manipulerar beteenden),
• skapa tydliga rapporter för tillsyn, politiker och kunder.

Min erfarenhet är att transparens slår retorik. När du kan visa ”så här många kritiska timmar levererade portföljen X MW och minskade effektbehovet med Y” blir det mycket svårare att avfärda programmet som dyrt och diffust.

Praktiska lärdomar för svenska energi- och hållbarhetsteam

Illinois är ett policyexempel, men lärdomarna är operativa. Här är vad jag tycker svenska nätbolag, energibolag, fastighetsägare och industrikunder bör ta med sig:

1) Börja med användningsfall, inte med modeller

Det är lockande att prata om ”AI i elnätet” som en enda sak. Gör inte det. Definiera först:

• vilka timmar är kritiska?
• vilka nätstationer är trånga?
• vilken flexibilitet kan aktiveras utan att störa kundens verksamhet?

AI ska mätas i levererad effekt, minskad kostnad och minskat avbrottsrisktal – inte i antal dashboards.

2) Datacenter och elektrifiering kräver nya prognosrutiner

När lastprofilen förändras snabbt räcker inte gamla prognosmetoder. Sätt upp en pipeline där prognoser uppdateras veckovis (ibland dagligen) och kopplas direkt till dispatch och inköp.

3) VPP kräver kundlogik och förtroende

Vill du att fastigheter och företag ska ”låna ut” flexibilitet? Då måste de förstå:

• när det händer,
• hur ersättning räknas,
• att komfort och driftsäkerhet respekteras.

AI kan optimera, men affären avgör om resurserna finns kvar nästa säsong.

4) Bygg mätbarhet från dag 1

Om incitament, stöd eller tariffstyrning ska fungera behövs beviskedja. Definiera KPI:er tidigt:

• levererad MW i topp,
• respons inom sekunder/minuter,
• antal kritiska timmar med garanterad tillgänglighet,
• påverkan på kundkostnad över säsong.

Vanliga frågor (och raka svar)

Hjälper batterier alltid mot höga elpriser?

Nej. De hjälper när de används för att minska knapphet i kritiska timmar. Om de bara jagar timpris utan nät- och effektlogik kan nyttan bli mindre.

Varför behövs AI – kan man inte styra batterier med enkla regler?

Enkla regler fungerar i liten skala. Men med 3 GW och tusentals resurser i VPP får du fler mål än en regelmotor klarar: pris, nätbegränsningar, degradering, tjänster och osäkerhet samtidigt.

Är VPP mest en konsumentgrej?

Nej. Industri och fastigheter kan ofta bidra mer per site. Men hushållsresurser skalar i antal och kan ge bred systemeffekt om programmet är väl utformat.

Nästa steg: gör lagstiftning till drift – med AI som verktyg

Illinois visar att delstater (och i förlängningen länder) kan driva omställning även när nationellt stöd vacklar. Men den verkliga vinsten kommer först när batterier, VPP och nya incitament blir vardagsdrift i kontrollrummet.

För oss som jobbar med AI inom energi och hållbarhet är budskapet enkelt: politiken kan beställa 3 GW, men AI avgör om 3 GW blir stabilitet eller bara dyra megawatt i fel timme.

Vill du se vad detta kan betyda i din organisation? Börja med ett skarpt pilotcase: en lokal flaskhals, en portfölj resurser och en tydlig toppsäsong. Bygg prognoser, styrning och mätbarhet runt just den punkten.

Vilken del av din energiverksamhet är mest redo för ett AI-projekt som faktiskt påverkar elräkningen redan nästa vinter?