AI och elnätsstabilitet: slipp nödlösningar med kol

En 90-dagarsorder kan låta som en teknisk detalj. Men när en regering beordrar ett kolkraftverk att fortsätta producera el efter planerad stängning säger det något större: elnätets tillförlitlighet används som argument för att bromsa omställningen.

Det är precis vad som hände i USA 2025-12-17, när energidepartementet gav en så kallad must-run-order som tvingar Unit 2 vid TransAltas Centralia-kolkraftverk i delstaten Washington att fortsätta köra i minst 90 dagar. Kraftverket var tänkt att pensioneras vid månadsskiftet, och delstaten har dessutom regler som i praktiken stoppar kol från och med nästa år.

Jag tycker det här är en nyttig väckarklocka även för svenska energibeslutsfattare och energibolag. Inte för att vi står inför samma juridik, utan för att logiken är bekant: när det blir tajt i systemet väljer man det man känner igen – ofta fossilt – i stället för att modernisera hur man planerar, balanserar och optimerar elnätet. Och här kommer den obekväma sanningen: att hålla gamla kolenheter vid liv är en dyr genväg som skjuter problemen framför sig. Det finns en bättre väg: AI-driven nätoptimering och smart flexibilitet.

Varför “håll kolkraften igång” blir en dyr reflex

Kärnpoängen: När kolkraft tvingas fortsätta köra handlar det sällan om att det är billigast eller mest stabilt, utan om att systemet saknar modern styrning och tillräcklig flexibilitet på kort sikt.

I Centralia-fallet motiveras ordern med en påstådd “nödsituation” i västra USA:s elnät och förhöjda risker vid extremväder. Liknande 90-dagarsorder har också använts för andra anläggningar under året. Kritiken från miljö- och konsumentorganisationer är skarp: nödbestämmelser ska hantera akuta lägen, inte ersätta långsiktig planering.

Det mest konkreta argumentet mot “must-run” som standardverktyg är kostnaden. Ett exempel från Michigan visar storleksordningen: att hålla ett gammalt kolkraftverk igång rapporterades kosta minst 80 miljoner dollar under några månader, i snitt ungefär 615 000 dollar per dag. Översatt till verkligheten för elkunder blir det enkelt: du betalar för att slippa bygga och styra smartare.

Pålitlighet: gammalt är inte samma sak som robust

Ett vanligt antagande är att kol = stabil baskraft. Men för driftsäkerhet är ålder en fiende. Äldre anläggningar får fler oplanerade stopp, mer underhåll och sämre förutsägbarhet. Det blir särskilt problematiskt när man kör dem hårt under topplast eller kyla.

Det är därför det skaver när “tillförlitlighet” används som huvudargument. Om målet är färre avbrott och stabilare frekvensreglering finns det mer träffsäkra tekniska lösningar än att klamra sig fast vid de dyraste och mest utsläppsintensiva tillgångarna.

Vad det här säger om energipolitik – och varför data vinner i längden

Kärnpoängen: Politiska nödingrepp skapar osäkerhet, men ett elnät mår bäst av tydliga spelregler och datadrivna beslut.

När en planerad avveckling kan rivas upp med kort varsel påverkas hela kedjan:

• Investerare tvekar inför nät, batterier och flexibilitet när intäktsmodeller blir osäkra.
• Elbolag får svårare att planera portföljer och kontrakt.
• Kunder riskerar högre kostnader för drift av gammal teknik.
• Klimatmålen tappar tempo när kolpensioneringar försenas.

Det intressanta är att detta inte bara är “politik”. Det är också en signal om att systemet saknar en tillräckligt stark verktygslåda för att hantera toppar, extremväder och snabba förändringar i efterfrågan.

Här är min ståndpunkt: om driftsäkerhet kräver att man tvingar fram kolkraft, då har man missat att bygga den flexibilitet som ett modernt elsystem behöver.

AI i elnätet: stabilitet utan att backa in i fossilberoende

Kärnpoängen: AI är inte en pryl man “lägger på” elnätet – det är ett sätt att fatta bättre beslut snabbare, med lägre risk och mindre spill.

I serien AI inom energi och hållbarhet återkommer vi till samma mönster: när energisystemet blir mer väderberoende och mer distribuerat (sol, vind, batterier, laddning) ökar komplexiteten. Då räcker inte traditionell planering och manuella driftstrategier. AI kan göra tre saker riktigt bra: förutse, optimera och upptäcka.

1) Prognoser som faktiskt går att drifta på

Om du kan prognostisera last och produktion mer exakt kan du:

• minska behovet av dyr reservkraft
• planera underhåll bättre
• köpa/sälja el smartare
• sätta in flexibilitet innan du hamnar i krisläge

AI-baserade prognoser kombinerar ofta väderdata, historik, realtidsmätning, kalender- och beteendedata. För Norden är vinterns snabba temperatursvängningar och industriell last särskilt viktiga drivare.

Snippet-vänlig sanning: Bättre prognoser är den billigaste formen av kapacitet du kan “bygga”.

2) Optimering av flexibilitet: batterier, efterfrågeflex och nät

Det mesta av “energi-nödlägen” handlar inte om att el saknas över året – utan om att effekt saknas i vissa timmar. AI passar perfekt för att styra resurser som kan flytta eller minska effektbehov:

• batterilager (stationära och i industrin)
• efterfrågeflex i fastigheter (värme, ventilation, kyla)
• industriprocesser med buffert
• smart laddning av elfordon

AI kan räkna på tusentals kombinationer: när ska vi ladda? när ska vi avlasta? vilka begränsningar finns i nätet? hur ser pris och risk ut? Det här är svårt manuellt, men maskiner är gjorda för det.

3) Prediktivt underhåll och snabbare felhantering

Ett gammalt kraftverk kan gå sönder. Ett gammalt nät kan också göra det. Skillnaden är att nätet ofta går att göra mer robust med prediktivt underhåll:

• upptäck avvikande vibrationer, temperaturer och belastningsmönster
• prioritera rätt komponenter innan de fallerar
• minska avbrott och kostnader utan att överdimensionera allt

Det här är en praktisk AI-tillämpning som ger ROI även utan stora policyförändringar.

“Men vi behöver något som kan leverera när det är kallt och vindstilla”

Kärnpoängen: Ja, det behövs planerbarhet. Men “planerbarhet” är en mix av resurser, inte en ursäkt för att frysa teknikutvecklingen.

Invändningen mot snabb avveckling av kol (och ibland gas) brukar handla om dunkelflaute – kalla, vindsvaga perioder. Det är en rimlig risk att hantera. Men det betyder inte att ett specifikt kolkraftverk är den enda lösningen.

En modern tillförlitlighetsstrategi bygger oftast på en portfölj:

1. Flexibilitet i efterfrågan (styrning av effekt, inte bara kWh)
2. Energilager (från minuter till timmar, ibland längre)
3. Planerbar låg- eller nollutsläppskraft där det passar (t.ex. vattenkraft, kärnkraft, biobaserad kraftvärme)
4. Nätförstärkningar och smartare nätutnyttjande (dynamisk kapacitet, bättre flaskhalsstyrning)
5. Reservlösningar med tydliga regler: få timmar, hög transparens, kostnadstak

AI är det som gör portföljen styrbar i praktiken. Utan AI riskerar man att ändå hamna i paniklösningar när flera risker sammanfaller.

Praktisk checklista: så börjar man med AI för driftsäkerhet

Om du jobbar på energibolag, kommun, industri eller fastighetsbolag och vill minska risken för “måste-köra”-lägen, här är en rimlig startordning:

1. Kartlägg effekt-toppar per timme (inte bara energiförbrukning per månad).
2. Inför realtidsmätning där den saknas: mätning är bränslet till AI.
3. Bygg prognoser för last och lokal produktion och följ upp felmarginaler varje vecka.
4. Identifiera flexibilitetskandidater: ventilation, värme, kyla, pumpar, laddning, processer.
5. Testa en optimeringsmotor i liten skala (en site, ett batteri, en ladddepå).
6. Sätt styrprinciper och säkerhetsräcken: komfort, produktion, nätbegränsningar.
7. Skala först när nyttan syns i drift: lägre toppeffekt, färre larm, bättre budgetprecision.

Det här är inte “AI för AI:s skull”. Det är riskhantering och ekonomi.

Vad Sverige kan lära av Centralia – redan vintern 2025/2026

Kärnpoängen: Svenska aktörer behöver inte kopiera USA:s konflikt, men vi bör ta signalen om extremväder, effekt och planeringsdisciplin på allvar.

December 2025 är en tid då elfrågor ofta blir konkreta: höga priser vissa timmar, debatt om effekt, och oro för leveranssäkerhet när det är kallt. Sverige har andra styrkor än USA – vattenkraft, stark fjärrvärme, välutbyggt nät i många regioner – men vi har också nya utmaningar: elektrifiering av industri, snabb laddinfrastruktur och större regionala obalanser.

Det gör att frågan inte är om vi ska ha driftsäkerhet. Frågan är hur.

Driftsäkerhet byggs med prognoser, flexibilitet och tydliga incitament – inte med nödbeslut som förlänger fossil drift.

Om vi vill ha en omställning som håller, behöver vi verktyg som kan hantera variation och osäkerhet varje dag. Där passar AI bättre än ad hoc-politik.

Nästa steg: gör stabilitet till ett dataproblem

Centralia-ordern visar hur snabbt energisystemet kan dras tillbaka till gamla lösningar när marginalerna känns små. Men det visar också var värdet finns: i att göra elnätet mer förutsägbart och mer flexibelt.

Om du ansvarar för energi, hållbarhet eller drift är min rekommendation enkel: behandla effektutmaningen som ett optimeringsproblem. Börja litet, mät hårt, skala det som fungerar. Det är så man slipper hamna i situationer där någon “måste” hålla igång gammal fossil produktion för att känna sig trygg.

Vilken del av din energikedja är mest redo för ett AI-pilotprojekt redan under Q1 2026 – prognos, flexibilitet eller prediktivt underhåll?