AI och kärnkraft: omstarter som stabiliserar elnätet

Ett av de mest konkreta tecknen på att kärnkraften är tillbaka i energipolitiken just nu är inte nya reaktorer på ritbordet – utan gamla reaktorer som startas om. I USA har den federala staten under 2025 lagt stora lån på bordet för att få igång anläggningar som redan finns, snarare än att bära risken för nybyggnation.

Det här låter kanske som ett sidospår i energidebatten. Jag ser det tvärtom: omstarter är en praktisk “mellanlösning” som kan ge stabil, fossilfri el snabbare än nya megaprojekt. Och det blir extra intressant när vi kopplar ihop det med den stora frågan i vår serie AI inom energi och hållbarhet: hur vi driver ett elsystem där förnybart, kärnkraft, flexibilitet och smarta elnät måste fungera som en helhet.

Varför omstarter går före ny kärnkraft

Det korta svaret: omstarter är billigare, snabbare och mindre riskfyllda än att bygga nytt.

I USA har energidepartementets låneprogram stöttat två tydliga omstartscase:

• Three Mile Island, Block 1 (Pennsylvania): ett federalt lån på 1 miljard dollar för att hjälpa till att återstarta en reaktor som stängdes 2019 av ekonomiska skäl. Planen är drift runt 2028, och privata köpare har redan säkrat framtida el genom avtal.
• Palisades (Michigan): ett federalt lån på 1,5 miljarder dollar (initierat under tidigare administration) som fortsatt betalas ut under 2025, med målet att få anläggningen i produktion igen.

Det här är logiskt. Ny kärnkraft i väst har de senaste åren brottats med ett återkommande problem: tids- och kostnadsrisk. När ett bygge drar ut flera år, och budgeten rinner iväg, blir kalkylen svår för elbolag som i praktiken lever på förutsägbarhet.

Omstart som “kapacitetsåtervinning”

Jag tycker att man kan se omstarter som en form av kapacitetsåtervinning i elsystemet. Infrastruktur, nätanslutning, kylsystem, personalrutiner och tillståndslogik finns ofta delvis på plats. Det betyder inte att det är enkelt – men det är mer realistiskt än att börja från noll.

Och i ett elsystem som blir allt mer elektrifierat (industri, transporter, datacenter) är det just realism som saknas i många debatter.

Vad betyder det här för ett fossilfritt elsystem med mer vind och sol?

Kärnpunkten: omstarter kan ge stabil fossilfri produktion som gör det enklare att integrera stora mängder vind och sol.

Vind och sol är billiga när de producerar – men de är väderberoende. Därför behöver elsystemet mer av tre saker:

1. Stabil baskapacitet (som kärnkraft, vattenkraft eller kraftvärme)
2. Flexibilitet (batterier, efterfrågeflex, styrbar industri)
3. Smartare drift (prognoser, optimering, nätstyrning)

Omstarter påverkar punkt 1 direkt: de kan snabbt öka mängden stabil fossilfri el utan att vänta 10–15 år på nybyggnation.

Myten: “Antingen kärnkraft eller förnybart”

Den här motsättningen lever kvar i många samtal. Men i praktiken handlar framgångsrika elsystem om mix och orkestrering. Kärnkraft kan minska behovet av fossil reservkraft under kalla vindstilla perioder. Förnybart kan pressa priser och utsläpp stora delar av året. Flexibilitet kan kapa effekttoppar.

Det som avgör om mixen fungerar är inte bara vilka kraftslag man har – utan hur bra man styr dem. Och där kommer AI in.

Här passar AI in: från prognos till driftsoptimering

AI:s roll i ett mixat elsystem: att minska osäkerhet och göra driftbeslut mer träffsäkra, snabbare och billigare.

När en reaktor återstartas får elnätet en stor, stabil produktionskälla. Men stabilt betyder inte “utan problem”: planerade stopp, underhåll, lastföljning (om reaktorn körs flexibelt) och interaktion med prisbildning kräver styrning.

1) Efterfrågeprognoser som håller för verkligheten

I takt med att datacenter, elektrifierad industri och laddning växer får vi fler “nya” lastprofiler som är svåra att förutsäga med gamla metoder.

AI kan:

• förutse tim- och dygnslast bättre med fler datakällor (väder, produktion, kalender, industrischeman)
• upptäcka när prognoser blir systematiskt fel (driftförändringar, nya kunder, beteendeskiften)
• skapa scenarier för stress-tester: “kall vecka + låg vind + hög industrilast”

Det viktiga är inte att få en snygg modell, utan att få färre dyra överraskningar.

2) Smart nätstyrning och flaskhalsoptimering

Omstarter ger ofta produktion där nätet redan är byggt för det, men flaskhalsar uppstår ändå – särskilt när mer förnybart och nya laster kopplas på.

AI-baserad optimering används i praktiken för:

• förbättrad driftplanering (unit commitment och dispatch)
• detektering av avvikelser i nätet (förluster, spänningsproblem)
• prioritering av nätåtgärder där de ger mest effekt per investerad krona

3) Prediktivt underhåll för både kärnkraft och nät

Omstarter innebär ofta att man behöver få ordning på anläggningsstatus, komponenter, reservdelar och underhållsprogram.

AI i underhåll handlar inte om att “ersätta ingenjörer”, utan om att:

• analysera vibrations- och temperaturdata för tidig varning
• optimera underhållsfönster mot elpris och systembehov
• minska risken för oplanerade stopp (som är dyrast för både ägare och elsystem)

En bra tumregel: om du kan flytta ett stopp från “när något går sönder” till “när det passar systemet”, har du skapat flexibilitet.

Politikens paradox: staten betalar – men måste också vara trovärdig

Det mest avgörande hindret för ny kärnkraft just nu är inte teknik, utan investeringsrisk.

USA:s federala lån visar att staten kan spela en roll som riskdelare. Men den rollen kräver något som ofta glöms bort: förutsägbarhet över flera mandatperioder.

Stora energiprojekt är fleråriga. Om företag upplever att finansiering, tillstånd eller villkor kan rivas upp snabbt, blir det rationellt att välja:

• mindre investeringar
• kortare ledtider
• projekt med lägre politisk exponering

Omstarter passar den logiken bättre än nybyggen, eftersom kapitalbindningen är lägre och tidshorisonten kortare.

Vad Sverige kan lära (utan att kopiera USA)

Sverige har andra förutsättningar: vattenkraft, stark fjärrvärmesektor, en annan nätreglering och en annan kärnkraftshistoria. Men mekaniken är densamma:

• Elssystemet behöver planerbar fossilfri el för att stötta förnybart och elektrifiering.
• Kapitalet kräver stabila spelregler för långsiktiga projekt.
• AI och digitalisering är multiplikatorer: de gör att befintliga resurser räcker längre och fungerar bättre tillsammans.

Praktiska råd: så gör du AI relevant i energimixen (utan buzzwords)

Om du jobbar med energi, industri eller fastigheter och vill koppla AI till verklig klimatnytta är det här en bra startlista.

1. Sätt ett systemmål, inte ett AI-mål
   • Exempel: “Minska effekttoppar med 10% Q1 2026” eller “Öka prognossäkerhet för timlast med 20%”.
2. Inventera vilka beslut som är dyrast när de blir fel
   • Felaktig lastprognos? Fel underhållstid? Fel prissäkring? Där finns värdet.
3. Bygg datagrunden innan modellen
   • Mätning, datakvalitet, tidsstämplar och gemensamma definitioner avgör utfallet.
4. Koppla AI till styrning och process
   • En prognos som ingen litar på eller använder gör ingen skillnad.
5. Planera för granskning och spårbarhet
   • Särskilt i kritisk infrastruktur: kunna förklara varför modellen rekommenderade något.

Vad händer nu: omstarter som bro till ett smartare elsystem

Omstarter av kärnkraft är inte en romantisk “kärnkraftsrenässans”. De är en pragmatisk åtgärd för att få fram fossilfri, stabil el i ett läge där efterfrågan stiger och nätet pressas.

Det är här jag tycker att diskussionen borde landa: kärnkraft, förnybart och flexibilitet måste designas som ett system. AI är inte huvudrollen, men den är regissören som kan få helheten att sitta – från bättre prognoser till effektivare nät och smartare underhåll.

Vill du få ut mer klimatnytta snabbare är en bra nästa fråga inte “vilket kraftslag vinner?”, utan: vilka beslut i energisystemet kan vi göra mer exakta med data och AI redan under 2026?