AI kan avgöra: soltak eller elnät i Puerto Rico?

När orkanerna Irma och Maria slog till 2017 drabbades Puerto Rico av det längsta strömavbrottet i USA:s historia – vissa hushåll var utan el i över ett år. Det är inte bara en teknisk fotnot. Det är en fråga om liv och död, med tusentals dödsfall kopplade till följdeffekter som värme, utebliven medicinsk utrustning och förstörda läkemedel.

Nu står ön inför ett vägval som många energisystem världen över känner igen: ska man bygga robusta, centrala kraftverk och ett “starkt” stamnät – eller sprida produktionen i form av sol på tak med batterier, mikronät och lokala energihubbar? Konflikten har dessutom blivit politisk: satsningar på distribuerad sol har bromsats och pengar styrts om mot elnät och central produktion.

Här finns en tydlig lärdom för vår serie AI inom energi och hållbarhet: det verkliga svaret är sällan “antingen eller”. Det handlar om att kunna styra en blandning – och där är AI mer än en buzzword. Rätt använd är AI ett beslutsstöd som hjälper oss att prioritera investeringar, förutse risk, och hålla elen på även när nästa kris kommer.

Varför valet mellan distribuerat och centralt blir fel ställt

Det korta svaret: Puerto Rico behöver både lokal resiliens och ett fungerande nät. Men om man tvingas välja ett “huvudspår” måste man vara brutalt realistisk om geografin och riskerna.

Ön har bergig terräng, långa överföringssträckor och återkommande extremväder. Ett centralt system innebär att el måste transporteras över sårbara ledningar, stolpar och stationer – ofta precis det som faller först vid storm.

Samtidigt är ett renodlat “sol på alla tak”-scenario inte trivialt:

• Många hushåll har inte kapital för solceller och batteri.
• Det kräver standarder, installationstakt, drift- och säkerhetsrutiner.
• Ett distribuerat system blir komplext att balansera utan smart styrning.

Poängen: det är inte en ideologisk debatt. Det är en optimeringsfråga. Och optimering är exakt där AI gör nytta.

Distribuerad sol + batterier: resiliens som märks i vardagen

Det tydliga argumentet för distribuerad energi är enkelt: när stamnätet går ner kan du ändå ha el. För hushåll, skolor, vårdcentraler och småföretag betyder sol + batteri att man kan fortsätta kyla insulin, ladda kommunikationsutrustning och hålla grundläggande verksamhet igång.

Fakta från läget på ön visar varför detta spår har fått fart:

• 1,2 gigawatt nätansluten taksol fanns installerad per 2025-06.
• Det motsvarade över 10 % av den totala energianvändningen.
• Bedömningar pekar på att minst 350 000 låg- och medelinkomsthushåll sannolikt inte kan installera sol utan stöd.

Där AI gör distribuerad energi praktiskt skalbar

Distribuerad energi blir snabbt en styrningsfråga: tusentals små resurser ska samverka utan att skapa nya problem (spänningsvariationer, toppar, obalanser).

AI kan här bidra på tre konkreta sätt:

1. Lastprognoser på kvartersnivå

   • Maskininlärning kan förutse konsumtion timme för timme baserat på historik, väder, kalender, och lokala mönster.
   • Det gör att batterier kan laddas ur smartare: mer nytta per installerad kWh.

2. Styrning av batterier för att kapa effekttoppar

   • AI-optimering (t.ex. prediktiv styrning) kan minska behovet av dyr “peak power”.
   • För kunder kan det ge lägre kostnader där tariffstrukturer premierar effektreduktion.

3. Virtuella kraftverk (VPP) och mikronät

   • När många små batterier koordineras kan de agera som en större resurs.
   • AI matchar produktion/lagring med behov i realtid och kan prioritera kritiska laster vid kris.

En bra tumregel: solceller ger kWh, batterier ger tid – AI ger kontroll.

Centraliserat elnät: nödvändigt, men dyrt att ignorera verkligheten

Ett modernt samhälle behöver ett elnät som fungerar även utan sol på taket. Industri, större sjukhus, vattenförsörjning och transportinfrastruktur kräver stabilitet och kapacitet. Och Puerto Rico har redan ett nät som måste repareras och förstärkas.

Problemet är att “hårdning” av nätet ofta blir ett projekt där man återskapar gårdagens arkitektur: långväga överföring från central produktion, ibland fossil, med stora konsekvenser om en enda nod fallerar.

Där AI gör elnätsmodernisering mer än bara nya stolpar

Om man ändå ska investera i nätet ska man göra det smart. AI används redan globalt för att göra elnät mer robusta, och Puerto Rico är ett skolboksexempel på varför.

• Prediktivt underhåll
  • AI kan analysera avbrottshistorik, sensordata och inspektionsbilder för att förutsäga var fel sannolikt uppstår.
  • Resultat: underhåll där det gör mest nytta, inte där det “brukar bli budget kvar”.

• Händelseanalys och felavgränsning i realtid

  • När en störning sker kan AI hjälpa driftcentraler att snabbare lokalisera fel och isolera delar av nätet.
  • Det minskar antalet drabbade och gör återinkoppling snabbare.

• Väderdriven riskstyrning

  • Vid orkanrisk kan AI-scenarier ge en prioriterad “resiliensplan”: vilka stationer ska säkras, vilka mikronät ska förberedas för ö-drift, var behövs mobila generatorer.

Min ståndpunkt: utan AI riskerar nätinvesteringar att bli dyra och trubbiga. Med AI kan samma pengar ge bättre avbrottsstatistik och mer motståndskraft.

När politiken drar åt olika håll: AI som “ärlig” konsekvensräknare

I Puerto Rico har det juridiska spåret blivit avgörande. En federal domstol har krävt att myndigheter gör en djupare miljö- och alternativanalys, inklusive distribuerad sol, mikronät och energieffektivisering.

Det här visar något viktigt för alla som jobbar med energiomställning:

• Stora investeringsbeslut handlar om antaganden.
• Om antaganden inte testas (t.ex. stormfrekvens, bränslepris, nätets återställningstid) blir planen mer ett politiskt dokument än en teknisk strategi.

Så bygger man ett AI-drivet beslutsunderlag som håller i verkligheten

Ett bra beslutsunderlag för “centralt vs distribuerat” bör vara mer som en portföljoptimering än en debattartikel. Jag brukar leta efter fyra byggstenar:

1. Scenarier, inte en prognos

   • Normalår, stormår, bränslepris-chock, finansieringschock.

2. Resiliens som mätetal

   • Exempel: timmar utan el för kritiska laster, antal hushåll som kan klara 72 timmar, återställningstid för regioner.

3. Rättvisa som mätbart krav

   • Exempel: andel stöd som går till låginkomsthushåll, prioritering av områden med hög hälso-/miljöbelastning.

4. AI-simulering av nät + DER (Distributed Energy Resources)

   • Digitala tvillingar av nätet där man “spelar upp” stormar, fel och kapacitetsbrister.

Det är här AI blir ett verktyg för transparens: man kan se vilka antaganden som driver vilket beslut.

En praktisk väg framåt: “hybridresiliens” i tre steg

Den mest robusta strategin för Puerto Rico – och många andra utsatta regioner – är en hybrid:

1) Säkra kritisk samhällsservice med lokala energihubbar

Börja där avbrott kostar mest mänskligt:

• vårdcentraler och äldreboenden
• skolor som kriscenter
• vattenpumpar och telekom

Bygg mikronät med sol + batteri och planera för ö-drift. AI används för prioritering av laster och batteridimensionering.

2) Skala hushållssol med stöd + smart styrning

När ekonomin är hindret räcker det inte att säga “marknaden löser det”. Om 350 000 hushåll riskerar att stå utan möjlighet är det ett resiliensproblem för hela samhället.

• Subventioner och finansiering riktas mot de mest sårbara.
• AI kan hjälpa till att identifiera områden med hög avbrottsrisk och hög social sårbarhet så att utbyggnaden ger maximal effekt.

3) Modernisera nätet för flexibilitet, inte bara kapacitet

Investera i:

• sensorer och tillståndsövervakning
• automatiska brytare och sektionering
• bättre driftstöd (AI) som samspelar med mikronät

Målet är att nätet ska kunna “misslyckas graciöst”: mindre svart, mer lokala öar som fortsätter fungera.

Vanliga följdfrågor (och raka svar)

Behöver man verkligen AI – räcker inte traditionell automation?

Automation räcker för enkla regler. AI behövs när osäkerheten är hög (väder, beteende, avbrott) och när tusentals resurser ska koordineras samtidigt.

Är distribuerad sol alltid bättre efter en naturkatastrof?

För kritiska laster och snabb återhämtning: ja, ofta. Men utan planering kan man få nya problem (obalanser, ineffektiv batterianvändning). AI gör att distribuerat blir stabilt i stor skala.

Är central produktion alltid fossil?

Nej. Men central produktion skapar ändå ett beroende av överföring. Puerto Rico har dessutom en historik av fossil dominans och lokala miljö- och hälsoeffekter, vilket gör valet extra laddat.

Nästa steg för energiledare: börja med datan och besluten

Puerto Rico visar vad som händer när energisystemet inte är byggt för extremväder – och när investeringar blir en dragkamp istället för en helhetsstrategi. Min tydliga rekommendation är att sluta prata om “sol eller nät” och istället kräva AI-stödda beslut som väger kostnad, resiliens och rättvisa samtidigt.

Jobbar du med energi, fastigheter, industri eller offentlig verksamhet finns ett enkelt startläge: kartlägg dina kritiska laster, dina avbrottskostnader och vilken flexibilitet du redan har (batterier, styrsystem, reservkraft). Därifrån går det att räkna hem nästa investering – och att göra det med AI som verktyg, inte som pynt.

Om nästa storm kommer 2026, vilka byggnader ska fortfarande ha ljus, kyla och kommunikation efter 72 timmar – och vilka beslut behöver tas redan nu för att det ska vara sant?