AI och lastflex: så tämjer vi datacenterkostnader

Elkostnaderna i PJM-området i USA har fått en smäll som märks på kundernas räkningar – och en stor förklaring stavas datacenter. När kapacitetskostnaderna i marknaden går från 2,2 miljarder dollar (2023) till 14,7 miljarder (2024) och vidare till 16,1 miljarder (senaste auktionen sommaren 2025) blir det snabbt politiskt sprängstoff. Det är exakt det vi ser nu: väljare, guvernörer och konsumentföreträdare kräver att nätoperatören tar kontroll över kostnadsutvecklingen.

Det här är inte en amerikansk udda historia. Det är en förhandsvisning av vad som händer när AI-boomen (och molntjänsterna bakom den) pressar elsystem som redan kämpar med nätutbyggnad, osäker efterfrågan och långsamma anslutningsprocesser. Och det är här vår serie AI inom energi och hållbarhet blir konkret: AI är inte bara orsaken till ökade datacenterlaster – AI kan också vara verktyget som gör lasten styrbar, billigare och mer kompatibel med förnybart.

Varför datacenter driver kostnader: det handlar om toppar, inte energi

Den snabbaste förklaringen är också den mest avgörande: elsystemets dyra dimensionering styrs av toppbelastning, inte av hur många kilowattimmar som används över året.

I PJM måste systemet säkra kapacitet för att klara de högsta effekttopparna. Datacenter planeras ofta för mycket hög maximal effekt – ibland i storleksordningen som en mindre stad – även om den faktiska användningen kan variera. När prognoserna för framtida “maxbehov” skjuter i höjden påverkar det kapacitetsmarknaden direkt. Resultatet blir stigande kostnader som vältras över på kunderna.

En siffra som säger allt: +60 GW till 2030

Enligt konsumentföreträdare i Maryland pekar prognoserna i PJM på +32 GW extra efterfrågan till 2028 och omkring +60 GW till 2030, vilket motsvarar ungefär 37 % ökning jämfört med dagens topp. Det är en enorm systemförändring på väldigt kort tid.

Min take: det är inte hållbart att bygga elsystemets dyraste delar på otestade, spekulativa lastantaganden. Men det är lika ohållbart att säga “nej” till digital infrastruktur. Lösningen ligger i villkor, flexibilitet och bättre prognoser.

Striden i PJM: “avbrytbar last” eller frivilliga åtaganden?

Debatten i PJM kokar ner till en fråga som även svenska nätplanerare och energichefer behöver brottas med: kan stora nya laster tvingas vara flexibla när systemet är stressat?

I diskussionen finns två tydliga spår:

• Obligatorisk avbrytbarhet (”interruptible service”): Nya datacenter får snabb anslutning, men måste kopplas bort först vid nödlägen – tills de själva tillför ny kapacitet som matchar deras behov.
• Frivillig flexibilitet via marknadsdesign (i PJM: PRD, ”price-responsive demand”): Datacenter kan välja att åta sig lastreduktion vid ansträngda lägen och i gengäld undvika vissa kapacitetskostnader.

Konsument- och miljöaktörer argumenterar för att frivillighet inte räcker när tidshorisonten är kort och incitamenten är blandade. Datacenterbranschen invänder att tvingande avbrytbarhet kan vara diskriminerande och att nätoperatören riskerar att gå utanför sitt mandat.

Här är kärnan: utan en robust “backstop” blir det lätt greenwashing i effektform – fina ord om flexibilitet, men få megawatt som faktiskt kan styras när det gäller.

Där AI faktiskt gör skillnad: från ”last” till ”styrbar resurs”

Den praktiska lösningen är inte att demonisera datacenter. Det är att göra dem mätbara, styrbara och kontrakterbara. AI kan hjälpa på tre nivåer: prognos, optimering och verifikation.

1) AI-prognoser som skiljer plan från verklighet

Ett återkommande problem i stora elsystem är att efterfrågeprognoser blandar:

• seriösa projekt,
• dubbletter (samma aktör söker flera anslutningsspår),
• “optioner” som aldrig byggs.

Med maskininlärning på anslutningsdata, bygglov, upphandlingssignaler, serverleveranslogistik och historiska realiseringsgrader går det att skapa mer realistiska sannolikhetsprognoser för framtida effektbehov. Det ger två vinster:

• Kapacitet dimensioneras efter sannolik topp, inte efter summa ansökningar.
• Prissignaler blir rimligare, vilket minskar risken för att kunder betalar för spöklaster.

I Sverige ser vi redan hur osäkra lastprognoser kan försvåra nätplanering. Lärdomen från PJM är att skalan gör felet dyrt snabbt.

2) AI-styrd lastflexibilitet i datacenter (utan att “stänga ner internet”)

När folk hör “koppla bort datacenter” tänker de på total mörkläggning. Men mycket datacenterarbete är i praktiken flexibelt om man designar för det:

• Batchjobb och träning av AI-modeller kan schemaläggas till timmar med lägre systembelastning.
• Geografisk lastflytt mellan anläggningar kan styras när elpriser eller CO₂-intensitet ändras.
• Termisk tröghet i kylsystem kan utnyttjas (precool/prekylning) för att kapa effekttoppar.
• Egen reservkraft kan i vissa fall användas mer intelligent – men måste styras med tydliga emissionskrav och transparens.

AI-rollen här är att optimera en portfölj av “spakar” mot flera mål samtidigt: SLA, kostnad, risk och klimatpåverkan.

Ett datacenter som kan garantera 50–200 MW kontrollerbar lastreduktion vid kritiska timmar är inte ett problem. Det är en systemresurs.

3) Verifikation och “proof of curtailment” i realtid

Om flexibilitet ska få lägre avgifter eller prioriterad anslutning måste den gå att lita på. AI kan kombineras med:

• högupplöst mätning,
• anomaly detection (upptäcka fusk/avvikelser),
• automatiserad rapportering till nätägare/marknad.

Det gör det möjligt att skriva kontrakt som inte bara bygger på avsikter, utan på mätbar leverans. I praktiken: “du får rabatten om du faktiskt reducerar när du lovar”.

Marknadsdesignen som behövs: betala för effektbeteende, inte bara effektstorlek

PJM-fallet visar hur snabbt kostnader kan rusa när kapacitetsmarknader prissätter framtida toppar aggressivt. För att undvika att elkunder hamnar i kläm behövs marknadsregler som gör tre saker tydliga:

Tydliga villkor vid snabbspår (fast-track)

Om samhällen vill ha snabb etablering (jobb, investeringar) måste villkoren vara lika snabba:

• Interimistisk anslutning med krav på lastbegränsning vid stress
• tidsatta milstolpar: “senast 24 månader ska egen kapacitet/avtal vara på plats”
• konsekvenser om milstolpar missas (högre avgift eller reducerad tillgänglig effekt)

Flex som standard, inte premium

Jag tycker att stora nya laster över en tröskel (t.ex. 50 MW) bör behandlas som “flex-first”:

• Grundalternativ: avbrytbar eller begränsad effekt vid knappa lägen
• Uppgradering till “fast” leverans: när de visar kapacitetstäckning eller verifierad flexibilitet

Det är mer rättvist än att småkunder automatiskt bär risken.

Incitament som gör det rationellt att vara flexibel

Frivilliga program fungerar bara när affären är tydlig. Några exempel på incitament som brukar fungera:

1. Lägre kapacitetsavgift vid verifierad lastreduktion
2. Snabbare anslutning för aktörer som accepterar effektvillkor
3. Tillgång till lokala flexibilitetsmarknader (t.ex. för att stötta nätet i flaskhalsområden)

AI gör att dessa incitament kan kopplas till verklig leverans, inte pappersprodukter.

“People also ask”: vanliga frågor energichefer ställer just nu

Kan man verkligen stänga av ett datacenter när det är som kallast i elnätet?

Ja – om datacentret är byggt och kontrakterat för styrning. Det handlar sällan om att stänga allt, utan om att reducera en definierad del under några timmar per år.

Riskerar flexibilitet att flytta utsläpp (till dieselgeneratorer)?

Ja, och därför måste flexibilitetskrav kompletteras med utsläppsregler, bränslestrategi och transparens. Det räcker inte att bara räkna megawatt.

Varför räcker det inte att bygga mer elproduktion?

För att tiden är den hårda begränsningen. Nätanslutningar och tillstånd tar ofta längre tid än datacenterbyggen. Flexibilitet är bro-lösningen som minskar risken för dyr överdimensionering.

Vad svenska aktörer kan ta med sig från PJM redan 2025-12-21

Det är december, och många energibudgetar för 2026 spikas nu. Om jag satt hos en nätägare, kommun eller industrikund och tittade på ökande anslutningsärenden skulle jag göra tre saker direkt:

1. Inför en “flexibilitetsbilaga” i alla dialoger med stora nya laster: vilka processer kan flyttas, hur mycket, hur snabbt, hur ofta?
2. Bygg datadelning tidigt: mätning, driftdata, planerad IT-last och kylstrategier måste in i planeringen.
3. Sätt upp AI-stödd lastprognos som väger sannolikhet, inte bara ansökningar.

Det här är inte teknikromantik. Det är riskhantering.

Datacenter kommer fortsätta växa – i USA, i Norden och i hela EU. Frågan är om vi låter dem bli en kostnadsdrivande “svart låda”, eller om vi gör dem till en aktiv del av det smarta elnätet.

Om din organisation vill jobba praktiskt med AI för lastprognoser, flexibilitetsstyrning eller verifiering av efterfrågerespons, är det läge att börja med en pilot i liten skala och tydliga effektmål. Vilken last i er portfölj kan ni göra styrbar redan under Q1 2026?