AI och energilagring: så byggs smarta elnät 2026

Det är lätt att tro att energilagring handlar om “bara batterier”. Men det som händer just nu – i Schweiz, i New York och i datahallar världen över – visar något större: energipolitik, finansiering och batterikemi håller på att byggas ihop till en digital infrastruktur. Och när infrastrukturen väl finns på plats blir AI plötsligt extremt praktiskt.

I december 2025 ser vi tre tydliga signaler i samma nyhetsflöde: Energy Vault rullar ut kompakta BESS-lösningar för industri och samhällen i Schweiz, ZincFive får 30 miljoner dollar för att skala nickel-zink-batterier till AI-datacenter, och Convergent säkrar finansiering för att få fler batteriprojekt i drift i New York City. Var och en är intressant – men tillsammans pekar de på en sak: elnätet blir mer “styrbart”, och det är där AI gör verklig skillnad.

Den här artikeln är en del av serien AI inom energi och hållbarhet och fokuserar på vad utvecklingen betyder för dig som jobbar med energi, fastigheter, industri, datacenter, kommunal planering eller hållbarhetsstrategi.

1) Schweiz visar hur energilagring blir en del av staden

Poängen: När batterilager flyttar närmare verksamheter och bostäder blir kravbilden mer än effekt och kapacitet – den handlar om buller, säkerhet, nätstabilitet och snabb driftsättning. Det är exakt den typen av system som AI-baserad styrning och prognoser passar för.

Energy Vault har tecknat två avtal i Schweiz och installerat sin första anläggning där: 2 MW / 4 MWh vid Schindlers globala huvudkontor i Ebikon. Installationen gjordes i en tidigare brandstation och ligger ungefär 30 meter från bostäder – en viktig detalj, eftersom den visar att energilagring kan fungera även i tätare miljöer när den designas rätt.

Snabb driftsättning förändrar spelplanen

Anläggningen levererades i början av oktober och blev installerad, driftsatt och godkänd av Swissgrid på under fyra veckor. Den hastigheten är inte bara ett projektkvitto – den är en affärsfördel. Ju kortare tid till drift, desto snabbare kan du börja:

• kapa effekttoppar (peak shaving)
• stötta lokal spänningskvalitet
• delta i stödtjänstmarknader
• minska behovet av dyr nätförstärkning

AI-kopplingen: Snabbt byggda, modulära BESS innebär fler anläggningar i fler miljöer. Det gör att operatörer behöver skalbar drift: automatisk övervakning, felprediktion och optimerad dispatch. Här blir AI i praktiken ett driftverktyg, inte en “framtidsidé”.

Wettingen-projektet: när yta blir en begränsning

Det andra avtalet gäller Energie Wettingen: 8 MW / 16 MWh i en “stackad” design i två nivåer som dubblar energitätheten. Enligt uppgifterna får man 8 MW i 2 timmar på under 50 m².

Det är en nyckeltrend för Europa: mark och utrymme är ofta hårdvaluta. Kompakt energilagring gör att fler projekt blir möjliga – vid industrier, i logistikområden och nära konsumtion.

AI-kopplingen: När många små och medelstora resurser ska samverka i begränsade nät, blir prognoser och optimering avgörande. AI kan användas för att:

1. förutsäga lokala toppar baserat på historik, produktionsplaner och väder
2. optimera laddning/utladdning mot elpris, effekttariffer och stödtjänster
3. minimera slitage genom styrning som tar hänsyn till temperatur, C-rate och cykling

2) Flexibilitetsplattformar gör AI “lönsamt på riktigt”

Poängen: Batterier skapar värde först när de deltar i ett system som kan samordna dem. I Schweiz kopplas projekten till CKW:s Flexpool – en flexibilitetsplattform med över 1 700 tillgångar, 15 teknologier och mer än 1 000 MW kvalificerad kapacitet.

Det här är en viktig detalj för alla som pratar om smarta elnät: aggregation är bron mellan enskilda batterier och systemnytta.

Från enskild anläggning till “flock”

I ett aggregatorupplägg kan batterier leverera:

• frekvensreglering
• spänningsstabilisering
• kapning av effekttoppar
• lokal nätavlastning

Och här kommer AI in med full kraft. För att en flexibilitetsportfölj ska leverera stabilt krävs:

• realtidsdata från många enheter
• prediktiva modeller för last, pris och nätbegränsningar
• beslutssystem som kan agera automatiskt inom givna riskramar

Ett batterilager utan smart styrning är som en bil utan navigering i rusningstrafik. Du kommer fram – men du betalar i tid, pengar och frustration.

Praktiskt: vilka data behöver du för AI-styrning?

Om du ansvarar för energifrågor i en industri- eller fastighetsportfölj, börja med detta dataminimum:

• 15-minuters (helst 1-minuts) mätdata för effekt och energi
• tariff- och prisdata (inklusive effekttariffer)
• driftloggar och larmhistorik
• temperatur och ventilationsdata i batteriutrymmen
• produktions-/beläggningsplaner (för C&I)

Det är ofta här projekt tappar fart. Inte på batteriet – utan på datakvalitet, integration och ansvar för “vem äger styrningen”.

3) Nickel-zink och AI-datacenter: när UPS blir hållbarhetsfråga

Poängen: AI-datacenter driver en ny typ av efterfrågan: snabb, dynamisk effekt som måste backas upp säkert. ZincFive har tagit in 30 miljoner dollar i Series F för att skala sin nickel-zink (NiZn)-teknik och möta just den marknaden.

Datacenter är inte bara en IT-fråga längre. De är en del av energisystemet – och deras UPS-val påverkar både klimatavtryck och riskprofil.

Varför UPS blir viktigare när AI växer

AI-laster kan vara “ryckiga”: snabba förändringar i effektbehov när GPU-kluster skalar upp och ned. UPS-system och reservkraft måste hantera:

• snabba transienta lastförändringar
• hög drifttillgänglighet
• krav på brandsäkerhet och riskreduktion

ZincFive lyfter två argument som sticker ut:

1. Ingen termisk rusning (en säkerhetsdimension som många verksamheter nu prioriterar högre)
2. 96% återvinningsbar design samt lägre livscykelutsläpp jämfört med litium och bly (enligt bolagets positionering)

De uppger också att de har nära 2 GW av sina batteribackupskåp installerade eller kontrakterade i datacenter globalt.

AI-kopplingen: datacenter som flexibilitetsresurs

Här finns en lite “konträr” tanke: ett AI-datacenter är inte bara en konsument – det kan bli en flexibilitetsaktör.

Med rätt arkitektur (UPS, BESS, styrsystem och avtal) kan en del av kapaciteten användas för:

• lastflytt (schemalägga icke-kritiska jobb)
• intern peak shaving
• deltagande i lokala flexibilitetsmarknader (där regelverk tillåter)

Det kräver AI på två nivåer:

• IT-sidan: orkestrering av arbetslaster och schemaläggning
• energisidan: prognoser och optimering av lagring och inköp

När de här två världarna kopplas ihop blir hållbarhet inte en rapporteringsövning – den blir en driftfråga.

4) Finansiering i New York: när batterier ersätter “peaker plants”

Poängen: Storskalig utrullning av BESS handlar lika mycket om kapital och anslutning som om teknik. Convergent Energy and Power har säkrat en finansieringsfacilitet från NY Green Bank för över 10 kommande BESS-projekt i New York City.

Siffrorna från New York är talande:

• uppskattningsvis behövs 6 000 MW batterilagring till 2030
• och 12 000 MW till 2040
• staden har fortfarande cirka 6 GW peaker plants som kör runt 5% av året

Peaker plants är dyra, smutsiga och ofta placerade nära tätbefolkade områden. En studie från 2020 visade att nära 750 000 personer i NYC bor inom en mile från en peaker-anläggning, där 78% tillhör låginkomst- eller minoritetssamhällen.

AI-kopplingen: bättre prognoser minskar behovet av “dyr beredskap”

Peakers finns delvis för att systemet behöver “något” när osäkerheten blir för stor: värmeböljor, plötsliga lasttoppar, störningar i överföring.

AI-baserad lastprognostisering och riskmodeller minskar den osäkerheten genom att:

• upptäcka avvikande lastmönster tidigare
• koppla ihop väder, kalender, evenemang och driftdata
• optimera när batterier ska reserveras för beredskap vs användas för intäkter

Det är ett viktigt skifte: när prognosen blir bättre kan du dimensionera och dispatcha batterier mer aggressivt utan att tumma på driftsäkerheten.

“People also ask”: Hur tjänar BESS pengar i praktiken?

Batterilager i stadsmiljö bygger ofta sin ekonomi på en kombination av flera intäktsströmmar:

1. stödtjänster (t.ex. frekvenshållning)
2. effektkapning (minskar effekttariffer)
3. energiarbitrage (köpa billigt, använda/sälja dyrt)
4. nätstöd (lokal avlastning och kapacitetsbehov)

AI hjälper främst genom att välja rätt mix dag för dag, och genom att undvika misstag som äter upp marginalen (fel timing, för hård cykling, eller att missa marknadsfönster).

5) Vad betyder detta för svenska aktörer 2026?

Poängen: Sverige har samma grundutmaning som Schweiz och New York: mer variabel produktion, mer elektrifiering och en ökande efterfrågan från industri och datacenter. Det som nu byggs ut internationellt är en manual för hur vi kan göra det snabbare här.

Här är tre saker jag tycker att svenska företag och offentliga aktörer ska ta fasta på under 2026:

1) Satsa på “AI-ready” energilagring redan i upphandlingen

Kravställ på:

• öppna API:er och tydlig dataåtkomst
• realtidsmätning och historikexport
• larm- och händelseloggning
• möjlighet att köra optimering mot flera mål (kostnad, CO₂, nätstöd)

2) Bygg för aggregatorlogik – även om du börjar med ett batteri

Om du installerar BESS vid en fabrik eller fastighet, anta att du senare vill:

• koppla in fler tillgångar
• samköra flera sajter
• delta i flexibilitetsmarknader

Det är billigare att göra rätt från början än att “bygga om styrningen” när batteriet redan står där.

3) Titta på säkerhet och livscykel, inte bara inköpspris

NiZn för UPS är ett exempel på att marknaden breddar kemier och riskprofiler. För vissa verksamheter är brandrisk och tillståndsprocess den verkliga flaskhalsen. Teknikval som förenklar säkerhetsargumentationen kan spara månader.

Nästa steg: gör AI till driftstandard för energilagring

Energy Vaults snabba installationer i Schweiz, ZincFives satsning på nickel-zink för AI-datacenter och Convergents finansiering i New York visar samma mönster: energimarknaden bygger ut lagring i takt, och nu måste styrningen hinna ikapp.

För mig är slutsatsen enkel: AI i energisystemet handlar mindre om “framtida möjligheter” och mer om att skapa ordning i komplexitet – fler resurser, fler marknader, fler begränsningar. Den som kan prognostisera, optimera och automatisera kommer att få lägre kostnad, högre tillgänglighet och bättre klimatprestanda.

Vilken del av din energiverksamhet är mest redo att AI-styras under 2026 – prognosen, dispatchen eller underhållet?