AI och elnätsbatterier: 35 GW blev 40 – på rekordtid

I juli 2025 passerade USA 35 gigawatt installerad batterilagring i elnätet. Målet sattes redan 2017 och lät då närmast orealistiskt. Bara några månader senare var landet över 40 gigawatt. Det här är inte en “kul siffra för energinördar” – det är ett tecken på att elnätet håller på att byta arbetssätt.

För oss som jobbar med AI inom energi och hållbarhet är lärdomen tydlig: när lagring blir en av de största nya kraftresurserna handlar konkurrenskraft mindre om att bara bygga batterier – och mer om att styra dem smart. Och där blir AI en praktisk nödvändighet.

Citat att ta med sig: När batterilagring blir standard för ny “kapacitet” blir AI standard för att få den kapaciteten att fungera billigt, säkert och pålitligt.

Från 0,5 GW till 40 GW: varför utvecklingen gick så fort

Den snabba ökningen beror på att batterier löste akuta problem i elsystemet, inte på hype. År 2017 fanns runt 500 MW (0,5 GW) installerat – ungefär ett större gasblock i storlek. Att nå 35 GW innebar runt 70x tillväxt på åtta år. Ändå gick det.

Det som drev marknaden var att batterier började göra nytta på riktigt:

• Tillförlitlighet vid effektbrist (tänk värmeböljor och toppar)
• Integrering av sol och vind genom att flytta energi i tid
• Snabbare byggtid än traditionell planerbar produktion
• Möjlighet att tjäna pengar på flera “tjänster” (frekvens, effekt, arbitrage)

I praktiken fick batterier en roll som tidigare mest förknippats med “riktig” kraftproduktion: kapacitet på beställning. Och när byggtakten i kraftsystemet blir flaskhalsen (vilket den är i många länder just nu), vinner tekniker som kan byggas snabbt.

Varför 2025 sticker ut

Den ursprungliga prognosen räknade med en jämn ramp. I verkligheten kom en fördröjning – och sedan en kraftig acceleration. Branschen trodde exempelvis att 1 GW per år skulle nås redan 2018, men det hände först 2020. Sedan “tog det fart på riktigt”. För 2025 låg en förväntan kring cirka 9,2 GW nya installationer – utfallet pekar mot runt 15 GW.

Det här mönstret känner många igen från teknikskiften: först regler, upphandlingar och lärkurvor – sedan massmarknad.

Lagringens geografi: varför vissa regioner springer före

Batterier byggdes först där nätet hade mest ont. USA:s batterikapacitet är kraftigt koncentrerad till Kalifornien, Texas och Arizona, som tillsammans står för ungefär 80% av installerad kapacitet.

Det kan se sårbart ut – men det säger något viktigt: lagring växte inte jämnt, den växte där den var mest lönsam och mest nödvändig.

Tillförlitlighet säljer bättre än visioner

Kalifornien och Texas har haft tydliga stress-situationer i elnätet under tidigt 2020-tal (brist, topppriser, avbrott). När konsekvensen av ett fel blir dyr – både politiskt och ekonomiskt – kommer investeringar snabbare.

Det finns en tydlig parallell till Europa och Sverige: även om vi har andra marknadsregler och en annan produktionsmix, är logiken densamma. Nätstress, långa ledtider och ökande elbehov gör att lagring hamnar högt på listan.

AI-bryggan: varför geografisk spridning kräver smart styrning

När lagring flyttar från “specialfall” till “normalläge” ökar komplexiteten:

• fler nätområden
• fler aktörer
• fler begränsningar (nätkapacitet, lokala flaskhalsar)
• fler intäktsströmmar att optimera

Det går inte att hantera med Excel och magkänsla. AI-baserad optimering och prognoser blir skillnaden mellan ett batteri som bara står där – och ett batteri som aktivt sänker systemkostnader.

AI är inte en extra finess – den är driftstrategin

Storskaliga batterier är mjukvarudrivna kraftverk. Själva battericellerna är hårdvara, men affären och nyttan uppstår i hur de körs timme för timme.

Här är tre områden där AI gör konkret skillnad för elnätsbatterier:

1) Prognoser som tål verkligheten

Batteriets värde är starkt kopplat till framtiden: kommande priser, last, vind/sol, nätbegränsningar och risk för bristsituationer.

AI används för att bygga probabilistiska prognoser snarare än “en siffra”. Det gör att man kan svara på frågor som:

• Hur stor är sannolikheten för pristopp mellan 17:00–20:00?
• Hur ofta blir nätet trångt lokalt vid vissa väderlägen?
• Vad är den förväntade intäkten om vi prioriterar stödtjänster framför arbitrage denna vecka?

Poängen: bättre prognoser betyder färre felcykler, mindre slitage och stabilare intäkter.

2) Optimering med flera mål samtidigt

Ett batteri kan i praktiken göra flera jobb, men inte alltid samtidigt. Därför behövs styrning som klarar målkonflikter:

• maximera intäkt
• minimera degradering
• hålla beredskap för effektbrist
• uppfylla nät- och marknadsregler

AI-baserade optimerare (ofta i kombination med klassiska optimeringsmetoder) kan räkna på tusentals scenarier och välja en strategi som inte bara är “lönsam nu”, utan robust över tid.

3) Drift och underhåll: från reaktivt till förutsägande

Stora batteriparker består av många komponenter: celler, inverterare, kylning, transformatorer, skyddssystem. AI kan hitta mönster i sensordata som människor missar:

• tidiga tecken på onormal temperaturprofil
• avvikande internresistans i moduler
• effektförluster i inverterare

Resultatet är mer än “mindre driftstopp”. Det handlar om säkerhet, livslängd och att våga skala.

AI-boomen ändrade spelplanen för elbehov – och lagring svarade

Den stora överraskningen var att elbehovet inte bara drivs av elektrifiering, utan också av AI. Många prognoser för några år sedan pekade på transportsektorn som största nya lasten. Nu driver datacenter och AI-infrastruktur en kraftig efterfrågan på el – ofta med krav på hög tillgänglighet.

Det ger en intressant dubbelroll för AI:

1. AI ökar elbehovet (genom beräkning och datacenter)
2. AI hjälper elnätet att möta elbehovet (genom smart styrning av resurser)

Det här är en av de mest praktiska anledningarna att ta “AI i energisystemet” på allvar. Det handlar inte om visioner, utan om att matcha en ny lastprofil med resurser som kan reagera snabbt.

Industrialisering av batterier: när leveranskedjan blir en strategi

När batterilagring går från pilot till standard blir ursprung och tillverkning affärskritiskt. USA har länge varit beroende av celler (särskilt LFP – litiumjärnfosfat) från Kina för nätbatterier. Under de senaste åren har politiken rört sig mot starkare preferens för inhemsk tillverkning, samtidigt som regler kopplas till skatteincitament och innehåll.

När cellproduktion för elnätsbatterier byggs upp regionalt händer två saker:

• leveransrisker minskar
• standardisering ökar (vilket gynnar mjukvaruplattformar och AI-styrning)

Standardisering är underskattat. När fler anläggningar använder liknande komponenter och datamodeller blir det lättare att:

• träna styrmodeller på bredare data
• jämföra prestanda mellan sajter
• införa gemensamma cybersäkerhets- och driftsrutiner

Så kan svenska energiaktörer använda lärdomarna redan 2026

Det går att agera utan att vänta på “perfekta marknader”. Jag har sett att de som lyckas med AI i energiprojekt börjar smått, men med rätt struktur. Här är en konkret, praktisk lista.

En enkel checklista för AI-driven batterilagring

1. Definiera primärnytta först: nätstöd lokalt, prisarbitrage, stödtjänster eller industrins effekttoppar.
2. Säkra datagrunden: mätdata, väderdata, prisdata, driftloggar – med tydligt ägarskap.
3. Bygg en “digital tvilling light”: en modell som kan simulera batteriets begränsningar, degradering och verkningsgrad.
4. Inför prognoser med osäkerhet: punktprognoser räcker inte när risk är dyr.
5. Optimera med begränsningar: nätkapacitet, tillstånd, temperaturgränser och cykellimit.
6. Tänk säkerhet från dag 1: rollbaserad åtkomst, loggning, larmkedjor och incidentövning.

Vanliga fallgropar (som kostar pengar snabbt)

• Att köpa batteri utan plan för styrning och intäktsmodell
• Att underskatta degradering och “övercykla” för kortsiktig vinst
• Att inte ha process för ändrade marknadsregler och nätbegränsningar

Slutsatsen: batterier skalar snabbt – men bara om de styrs smart

35 GW till 2025 var ett djärvt mål. Att USA dessutom passerade 40 GW under 2025 visar att batterilagring inte längre är ett sidospår i energisystemet. Det är en huvudväg.

För serien AI inom energi och hållbarhet är budskapet rakt: när batterier blir en dominerande resurs blir AI, prognoser och optimering det som avgör om investeringar ger stabil avkastning och om elnätet klarar topparna.

Nästa fråga är inte om lagring kommer byggas här också, utan: Vem äger intelligensen som styr den – och vem vågar industrialisera den intelligensen i stor skala under 2026?