AI i elnätet: så kan 5,5 GW förnybart skala snabbt

New York har precis fattat ett beslut som många regioner pratar om men få faktiskt genomför: den offentligt ägda elmyndigheten NYPA har godkänt en plan för 5,5 GW ny sol, vind och energilagring. Det är nästan en fördubbling mot deras tidigare mål – men ändå en nedväxling från sommarens utkast på 7 GW.

Det här är inte bara en amerikansk nyhet. Det är en tydlig påminnelse om vad som bromsar energiomställningen 2025: inte brist på vilja eller teknik, utan flaskhalsar i elnätet, i tillståndsprocesser och i finansieringslogik när spelregler (som skatteincitament) ändras.

Och här kommer vår serie ”AI inom energi och hållbarhet” in. För om det finns en plats där AI gör praktisk nytta – bortom powerpoint och buzz – så är det i planering, integration och drift av stora volymer förnybar el. New Yorks 5,5 GW är ett perfekt exempel på en satsning som kan lyckas eller fastna beroende på hur smart man hanterar nät, risk och tempo.

Varför 5,5 GW förnybart inte är “bara att bygga”

Kärnan är enkel: att bygga produktion är lättare än att få in den i systemet. New York har lagkrav om 70 % förnybar el till 2030 och helt fossilfri el till 2040. Samtidigt kommer ungefär hälften av elen fortfarande från gas, och sol och vind ligger på ensiffriga andelar. Det skapar en brutal ekvation: mer förnybart måste in snabbt – men elnätet och marknaden hänger inte med.

NYPA:s reviderade mål (5,5 GW) kommer efter att privata utvecklare backat ur flera samarbetsprojekt. Skälen som lyfts är konkreta:

• Försämrade ekonomiska villkor när federala skatteavdrag för vind och sol rullas tillbaka.
• Brist på överföringskapacitet och svåra anslutningsprocesser (interconnection).
• Ett upplägg där NYPA enligt lag behöver ta majoritetsandel i projekten, vilket påverkar riskfördelning och genomförande.

Det här mönstret är igenkännligt även i Norden: många projekt är “tekniskt möjliga”, men blir “systemmässigt omöjliga” när nät, tidplan och lokal acceptans kolliderar.

Den obekväma sanningen: elnätet är taktpinnen

Du kan bygga 1 GW sol på papper rätt snabbt. Men om anslutningsköer, flaskhalsar eller osäkerhet i drift gör att du bara får ut 60–70 % av värdet, då har du byggt en dyr symbol – inte ett robust energisystem.

Det är därför New Yorks diskussion snabbt landar i överföring, anslutningshinder och balansering. Och det är exakt där AI kan bidra, på riktigt.

AI som accelerator: tre områden som avgör om 5,5 GW blir verklighet

AI löser inte politik. Men AI kan göra att systemet klarar mer förnybart med samma fysiska infrastruktur, och att planeringen blir mindre gissningsbaserad.

1) Prognoser som går att fatta beslut på (produktion och efterfrågan)

Det viktigaste en nätoperatör och en utility behöver är bra svar på två frågor:

• Hur mycket kommer sol/vind faktiskt leverera i morgon kl. 07:00–10:00?
• Var kommer efterfrågan uppstå när kyla, värmepumpar och elbilar drar igång?

Maskininlärning kan kombinera väderdata, historik, lokal topologi i nätet och realtidsmätning för att ge mer precisa korttidsprognoser än traditionella modeller.

Det här spelar roll i praktiken eftersom bättre prognoser:

• minskar behovet av dyr reservkraft,
• minskar obalanser och straffavgifter,
• gör det lättare att planera batterier och flexibel last.

För en satsning som 5,5 GW betyder det att man kan pressa ut mer energi genom samma “systemfönster” – utan att tumma på driftsäkerhet.

2) Smartare nätplanering: från tvåårsplaner till levande portföljer

NYPA beskriver sin plan som iterativ. Det är ärligt – men också en risk. Om “iterativ” betyder att man uppdaterar vartannat år medan anslutningsköer och projektkostnader förändras varje kvartal, då tappar man tempo.

Här är min ståndpunkt: energiplanering behöver bli mer som portföljstyrning i realtid.

Med AI-stöd kan man bygga en portföljmotor som kontinuerligt väger:

• nätkapacitet per nod och tid på dygnet,
• sannolik tillståndstid (baserat på historiska handläggningsmönster),
• leverantörsrisker och prisvolatilitet,
• systemnytta (minskad trängsel, minskade förluster, förbättrad spänningshållning),
• samhällsnytta (t.ex. lägre lokal exponering för fossil spetskraft).

Resultatet blir en prioritering som är mindre politiskt önsketänkande och mer “vad ger mest effekt per investerad krona och per tillståndsvecka”.

3) Flexibilitet som ersätter dyr nätutbyggnad (ibland)

Överföring måste byggas ut. Men alla problem löses inte med nya ledningar – vissa löses snabbare med flexibilitet:

• batterilager som tar toppar,
• industriell last som kan flyttas i tid,
• smart laddning av elbilar,
• styrning av värmepumpar och fastigheter.

AI är bra på just detta: att optimera många små beslut så att helheten blir stabil.

Ett konkret arbetssätt är att skapa en “flexibilitetskarta” över regionen:

1. Identifiera nätpunkter där trängsel uppstår (nu och prognostiserat).
2. Matcha dem mot flexresurser inom samma elområde.
3. Räkna ut vilken kombination som ger mest avlastning per kostnad.
4. Automatisera aktivering via avtal och signaler (priser, incitament, styrning).

Det är så man gör förnybart “lättare att svälja” för elnätet.

Lärdomar för Sverige och Norden: offentligt ansvar + datadriven leverans

New Yorks situation är inte identisk med Sveriges, men flera mekanismer känns igen: höga mål, nätbegränsningar, långa ledtider och politisk friktion.

Tre lärdomar jag tycker svenska energibolag, kommuner och industrin kan ta med sig:

Offentliga aktörer behövs när marknaden bromsar

NYPA kliver fram när privata aktörer inte bygger tillräckligt snabbt. I Sverige ser vi en liknande diskussion kring systemansvar, tillstånd och nätinvesteringar. När tidplanen är pressad behöver någon äga risk, koordinera och driva helheten.

AI passar särskilt bra i offentligt ledda satsningar, eftersom nyttan ofta är systemövergripande: bättre planering, mindre slöseri, färre felinvesteringar.

“Interconnection” är vår vardag: anslutning, köer och lokala begränsningar

I praktiken är anslutningsfrågan en kombination av teknik, juridik och process.

AI kan hjälpa genom att:

• förutsäga var i nätet nya anslutningar mest sannolikt fastnar,
• föreslå alternativa anslutningspunkter som ger högre faktisk nyttjandegrad,
• simulera konsekvenser av nya laster (datacenter, vätgas, elektrifiering).

Batterier och styrning är inte “extra” – de är plan A

När målet är mycket ny förnybar produktion på kort tid blir batterier och flexibilitet en del av grundarkitekturen, inte en eftertanke.

Den organisation som redan 2026 kan svara på “var ska vi placera 200 MW batteri för maximal nät- och marknadsnytta?” kommer springa ifrån de som fortfarande diskuterar batterier som en pilot.

En praktisk checklista: så kommer du igång med AI för elnät och förnybart

Om du jobbar på energibolag, i en kommun, med industriell energianvändning eller inom nätutveckling, är det här ett rimligt första upplägg (utan att göra allt på en gång).

Steg 1: Bestäm vilket beslut AI ska förbättra

Bra AI börjar inte med dataplattformar. Den börjar med ett beslut, till exempel:

• daglig driftplanering för batterier,
• prioritering av projekt i en portfölj,
• prognos av toppar i ett lokalnät.

Steg 2: Samla “minsta användbara” datamängd

Ofta räcker det med:

• timvärden för last och produktion,
• väder (lokalt, gärna flera källor),
• nätbegränsningar och avbrottshistorik,
• prisdata och relevanta marknadssignaler.

Steg 3: Bygg en modell som går att drifta, inte bara demonstrera

Satsa på:

• tydlig uppföljning (felmarginaler, driftutfall),
• spårbarhet (varför gav modellen detta beslut?),
• robusthet (vad händer vid saknade mätvärden?).

Steg 4: Mät systemnytta i siffror

Bestäm 2–3 KPI:er som ledningen bryr sig om:

• minskade obalanskostnader,
• färre timmar med trängsel,
• ökad nyttjandegrad av förnybar produktion,
• minskade inköp av fossil spets.

Varför New Yorks 5,5 GW är en AI-fråga, inte bara en energifråga

Planen i New York visar något som fler borde säga högt: energiomställningen är ett integrationsproblem. Att få sol, vind och lagring att fungera tillsammans med ett åldrande nät, nya laster och politiskt tryck kräver mer än fler megawatt. Det kräver bättre styrning.

AI är inte magi. Men rätt använd är AI en metod för att:

• minska osäkerhet,
• prioritera smartare,
• få ut mer kapacitet ur befintliga tillgångar,
• bygga ett system som klarar både elektrifiering och klimatmål.

Det är därför jag ser New Yorks 5,5 GW som en tydlig signal även för svenska aktörer: den som kombinerar förnybar utbyggnad med AI för smarta elnät kommer ha enklare att leverera på både kostnad, tempo och driftsäkerhet.

Om du vill göra samma resa: vilket är det första beslutet i din organisation som skulle bli bättre med en prognos, en optimering eller en portföljmodell – redan under Q1 2026?