AI i elnätet: Lärdomar från Greklands koltillbakagång

Grekland har gått från att få över hälften av sin el från brunkol till att i praktiken stänga sina sista kolkraftverk redan nästa år. Energimässigt är det en snabb och imponerande kursändring. Socialt? Betydligt stökigare.

I Västra Makedonien – regionen som i decennier bar Greklands elförsörjning på sina axlar – står människor kvar med tomma butikslokaler, utflyttning och en känsla av att omställningen sker förbi dem. Samtidigt breder solparkerna ut sig över gamla dagbrott och PPC bygger ett kluster på 2,1 GW solkraft, det största i Europa, mycket på sanerad gruvmark.

Det här är en berättelse om mer än sol mot kol. Den handlar om ett mönster som jag ser om och om igen: energiomställningen vinner kilowattimmar, men tappar ibland människor på vägen. Och just där blir AI – rätt använd – en praktisk pusselbit: för att integrera mer förnybart, undvika prisras, planera lagring och skapa lokala värden snarare än att bara flytta intäkter.

Västra Makedonien visar vad som går fel när man bara bygger el

Det tydligaste budskapet från Grekland är enkelt: att bygga mycket sol är inte samma sak som att bygga en ny ekonomi.

Västra Makedonien var en kolregion i klassisk mening. Gruvor och kraftverk gav jobb direkt och indirekt, och enligt en analys som lyfts i rapporteringen stod brunkolen för 42 % av regionens BNP. När kol fasas ut snabbt försvinner inte bara en industri, utan hela den lokala vardagslogiken: mekanikerna, transporterna, lunchställena, underleverantörerna.

Samtidigt är solkraftens styrka också dess sociala svaghet: den kräver få permanenta jobb när den väl är byggd. Det gör elen billig – men det gör också att regioner kan få stora anläggningar utan att få motsvarande sysselsättning.

Ett bekant problem: ”energi som flyttas bort”

Flera lokala röster beskriver att intäkterna snarare ”luftbroas” bort: stora investerare äger projekten, medan lokalsamhället får begränsad del av kakan.

Här finns en hård lärdom för alla som jobbar med energi och hållbarhet i Norden:

Om lokalsamhället inte ser konkreta jobb, skattebas och framtidstro kommer omställningen att uppfattas som orättvis – även om den sänker utsläppen.

Det är inte en kommunikationsfråga. Det är en designfråga.

Solboom + nätbegränsningar = prisras (och missnöje)

En detalj från Grekland är extra relevant för alla som planerar mer sol i Sverige: när sol blir stor andel uppstår timmar med elpris nära noll.

I Västra Makedonien beskriver en lokal investerare hur marknadspriset kan vara 0 under många timmar. I vissa kontrakt innebär det att man inte får betalt om priset är noll mer än ett visst antal timmar. Resultatet blir att små aktörer får svårt att bära sina lån, och de stora kan köpa upp eller tränga ut.

Det här är inte ”solens fel”. Det är systemets fel – eller snarare: det är systemets nästa utvecklingssteg som saknas.

Vad som saknas är inte fler paneler – utan mer systemintelligens

När förnybart byggs snabbt behövs tre saker samtidigt:

1. Flexibilitet (styrbar efterfrågan, effekttariffer, incitament)
2. Lagring (batterier, pumpkraft, vätgas där det är rimligt)
3. Nätoptimering (kapacitet, anslutning, drift)

AI kan bidra i alla tre – men bara om man kopplar ihop data, marknad och drift på riktigt.

Där AI faktiskt gör skillnad: 5 konkreta tillämpningar

AI i energi blir lätt ett buzzword. Jag föredrar att prata om det som operativa algoritmer som minskar slöseri och gör fler affärer möjliga. Grekland är ett bra exempel på varför.

1) Prognoser som minskar obalanskostnader och curtailment

Mer sol innebär mer volatilitet. Med maskininlärning kan man förbättra korttidsprognoser (minut–timme–dygn) genom att kombinera:

• väderdata (moln, aerosolhalt, temperatur)
• historisk produktion per anläggning
• satellit/nowcasting
• lokala sensorer

Praktisk effekt: färre timmar där sol måste strypas, bättre bud i elmarknaden och lägre obalanskostnader.

2) AI-styrd flexibilitet: gör efterfrågan till en resurs

När priset blir noll mitt på dagen är det ett tecken på att systemet vill att vi:

• laddar elbilar
• kör värmepumpar och varmvatten
• styr industriprocesser
• flyttar kyl- och fryslaster

Med AI-baserad styrning (tänk prediktiva modeller + optimering) kan aggregatorer och fastighetsägare automatisera detta utan att komforten kollapsar.

Snabbt sagt:

Flexibilitet är den billigaste ”nya kraftkällan” i ett solrikt system.

3) Batterier och pumpkraft: optimera när man laddar/avsätter

I Västra Makedonien planeras både batterier och pumpkraft i ombyggda gruvor. Där blir AI relevant på två nivåer:

• Driftoptimering: när ska lagret ladda/ur? (pris, nätbegränsningar, prognoser)
• Investeringsoptimering: hur stort lager behövs för att minska nollpristimmar och curtailment?

Här är poängen att AI kan räkna på tusentals scenarier och hitta robusta strategier – inte bara en ”normaldag”.

4) Smart nätplanering: var ger en ny anslutning mest nytta?

När en region bygger massor av sol uppstår snabbt flaskhalsar i nätet. Med AI kan man göra platsval och prioritering mer rationell genom att väga:

• nätkapacitet och framtida förstärkningar
• lokal efterfrågeprofil
• potential för industriell last och flexibilitet
• markanvändning och miljödata

Det minskar risken att man bygger anläggningar som senare fastnar i köer eller måste strypas.

5) Miljöövervakning och återställning av gruvmark

Västra Makedonien har decennier av miljö- och hälsopåverkan bakom sig. AI används redan globalt för att analysera:

• satellitbilder (markförändring, vegetation, damm)
• vattenkvalitet via sensorer
• risker för ras och erosion

Det är också en väg till nya jobb: datainsamling, mätning, analys, drift av övervakningssystem.

”Rättvis omställning” blir konkret först när man mäter rätt saker

Grekland har en godkänd plan för rättvis omställning med omfattande EU-medel, men utbetalningstakten till lokala mottagare har varit låg. Lokalt upplevs många insatser som ”mjuka”: workshops, studier, stödstrukturer. Sådant behövs – men det räcker inte när en basindustri försvinner.

Min ståndpunkt: rättvis omställning måste styras med samma skärpa som elproduktionen.

AI som styrinstrument (inte bara teknik)

Här är ett arbetssätt som fungerar i praktiken i regioner som ställer om:

1. Definiera 6–10 KPI:er för omställningen, exempelvis:
   • permanenta jobb skapade lokalt
   • ungdomsarbetslöshet
   • andel lokalt ägande i energiprojekt
   • nätanslutningsgrad och curtailment
   • elprisvolatilitet och nollpristimmar
   • utsläppsminskning
2. Bygg en ”omställningspanel” (dashboard) där data uppdateras månadsvis.
3. Använd prediktiva modeller för att se 6–24 månader framåt.
4. Koppla finansiering och tillståndsprioritering till mätbar effekt.

Det här är inte kall teknokrati. Det är motsatsen: ett sätt att skapa tillit genom transparens.

Vad svenska energiaktörer kan lära av Grekland redan nu

Sverige är inte Västra Makedonien. Men vi känner igen logiken: stora investeringar, lokala reaktioner, nätfrågor, tillstånd, prisvariationer och behovet av flexibilitet.

Tre praktiska lärdomar att ta med in i 2026-planeringen:

• Bygg förnybart tillsammans med flexibilitet och lagring från dag 1. Annars får du prisras, curtailment och missnöje.
• Gör plats för lokalt ägande och lokala nyttor. Annars blir energiomställningen en export av intäkter.
• Använd AI för att koppla ihop drift, marknad och samhällsmål. Om AI bara sitter i ett labb händer inget.

Nästa steg: från solfält till smart region

Västra Makedonien behöver en ”signal” – ett stort, konkret projekt som visar att framtiden inte bara är färre jobb. I Grekland diskuteras bland annat ett stort datacenter kopplat till energiinfrastruktur. Oavsett om just det blir av är idén intressant:

När el blir billig och ren kan den bli en magnet för ny industri – men bara om nät, flexibilitet och kompetens hänger med.

För oss som jobbar i serien AI inom energi och hållbarhet är poängen tydlig: AI är ett verktyg för att göra systemet mer stabilt, mer effektivt och mer rättvist. Inte genom stora ord, utan genom bättre prognoser, smartare styrning och tydligare uppföljning.

Om du vill ta det här från strategi till praktik: börja med två piloter – en för AI-baserad prognos/optimering av förnybart och en för AI-styrd flexibilitet i fastigheter eller industri. När de sitter kan du skala, och då blir omställningen både billigare och lättare att acceptera.

Frågan som avgör allt 2026–2030 är inte om vi kan bygga mer förnybart. Det kan vi.

Frågan är om vi kan bygga ett energisystem där lokalsamhället vill vara med – och där AI gör det möjligt att få ihop både elnätet och ekonomin.