AI i energisystemet: sluta betala för “zombiekol”

Amerikanska elkunder har redan fått känna på prislappen när politiken håller liv i kolkraft som marknaden och planeringen försökt fasa ut. När ett 63 år gammalt kolkraftverk i Michigan beordrades att fortsätta driften landade merkostnaden på 80 miljoner dollar till och med slutet av september 2025 – ungefär 615 000 dollar per dag. Det är inte en teknisk detalj. Det är en påminnelse om att energipolitik kan bli en dyr genväg bort från både effektivitet och utsläppsminskningar.

Det som nu diskuteras i USA är ännu mer långtgående: federala myndigheter kan tvinga fler kolkraftverk att hålla öppet, även när delstater, nätoperatörer och bolag redan beslutat att stängningarna inte hotar leveranssäkerheten. Jag tycker att det här blottar en kärnfråga som även svenska energibeslut brottas med: hur säkerställer vi tillförlitlighet utan att låsa in oss i dyr, gammal och smutsig produktion?

I vår serie AI inom energi och hållbarhet använder jag den här nyheten som kontrast. För det finns en mer rationell väg: AI-driven prognostisering, smart nätoptimering och bättre beslutsunderlag kan ersätta panikåtgärder och politiska “stay-open”-order. Och det handlar inte om science fiction – det handlar om att använda data vi redan har, men bättre.

Varför “håll kolkraften öppen”-order blir dyrt direkt

Kärnpunkten är enkel: när ett kraftverk står inför stängning har verksamheten redan ställt om. Personal flyttas, underhåll skjuts upp, bränslelogistik avvecklas och investeringsplaner för ersättningsresurser är igång. När någon sedan drar i nödbromsen blir det dyrt – omedelbart.

I fallet Michigan visar siffrorna hur snabbt kostnaderna kan skena: 80 miljoner dollar på några månader för att hålla ett gammalt kolkraftverk igång. Den typen av extrautgifter tenderar dessutom att hamna på kundernas räkning, ofta genom komplicerade mekanismer för kostnadsdelning över regioner.

Det finns också en indirekt kostnad som sällan syns i rubrikerna men som känns i kalkylen:

• Dubbla betalningar (“paying twice”): Kunderna betalar redan för ersättningsresurser (t.ex. vind, sol, lagring, nätförstärkningar). Om kolkraften samtidigt tvingas köra vidare betalar man både för det nya och det gamla.
• Mer volatil drift: Gamla anläggningar som körs “mot sin plan” kan få fler stopp, fler fel och lägre verkningsgrad.
• Högre riskpremier: Osäker reglering gör att kapital blir dyrare. Det drabbar allt – inklusive investeringar i ny flexibilitet och förnybart.

Min take: Att beordra kvar gammal fossil produktion är ofta en dyr ersättning för att inte ha byggt flexibilitet i tid.

Leveranssäkerhet är ett planeringsproblem – inte ett nostalgiproblem

Argumentet för att hålla kolkraftverk öppna brukar låta ungefär så här: “vi behöver dem för nätets tillförlitlighet”. I RSS-underlaget framgår samtidigt att flera av de aktuella stängningarna redan bedömts som säkra av regulatorer och aktörer, och att “nödläget” inte alltid materialiserat sig.

Här är den obekväma sanningen: leveranssäkerhet byggs inte av enskilda kraftverk – den byggs av systemegenskaper. Systemegenskaper är sådant som:

• prognosprecision (last och produktion)
• tillgänglig flexibilitet (lagring, efterfrågeflex, styrbar produktion)
• nätkapacitet och överföring
• snabbhet i balansresurser (sekunder–timmar)
• robusthet i drift och underhåll

Att hålla kvar kolkraft kan ge en känsla av trygghet, men tryggheten kan vara falsk. Gamla anläggningar är ofta mindre tillförlitliga och kräver mer underhåll – vilket paradoxalt nog gör dem mer benägna att stå still när de behövs.

“Nödbefogenheter” som normaliseras skapar fel incitament

När undantagsverktyg blir rutin uppstår ett incitamentsproblem:

• Kraftbolag får svagare signal att investera i modern flexibilitet.
• Nätoperatörer kan pressas att förlita sig på “sista-minuten”-lösningar.
• Marknaden blir sämre på att prissätta risk, eftersom politiken kan kliva in och ändra spelreglerna.

Samma logik kan kännas igen i andra länder och marknader: när kortsiktiga åtgärder ersätter systembyggande får vi högre kostnad per levererad kWh över tid.

Där AI faktiskt gör skillnad: prognoser, flexibilitet och smarta elnät

Den mest användbara rollen för AI i energisystemet är inte att “styra allt”. Det är att göra tre saker bättre än vi traditionellt gjort: förutse, optimera och upptäcka avvikelser.

AI för prognoser: mindre reservkrav, lägre kostnad

Bättre prognoser för efterfrågan och variabel produktion minskar behovet av att hålla dyr reservkapacitet varm. I praktiken betyder det:

• mer träffsäkra dygns- och timprognoser
• bättre hantering av toppar (t.ex. kalla kvällar eller värmeböljor)
• tidigare varningar när marginalerna krymper

Det är här maskininlärning ofta är överlägsen statiska modeller: den kan väga in fler variabler (väder, kalender, industriprocesser, prisrespons) och lära av nya mönster.

Systemeffekt: mindre “säkerhetsmarginal” i fossil form, mer planerad flexibilitet.

AI för flexibilitet: efterfrågan som resurs

Om du måste välja mellan att betala för ett gammalt kolkraftverk eller att få 50 000 värmepumpar, ventilationssystem, laddboxar och batterier att “följa nätet” – då är det senare nästan alltid bättre ekonomi.

AI behövs för att orkestrera detta i skala:

• identifiera flexibilitetspotential i realtid
• optimera styrning utifrån komfort, produktion och nätbegränsningar
• verifiera leverans (så att flexibilitet blir bankbar på marknaden)

Det här är grunden i virtuella kraftverk och aggregerad flexibilitet: många små resurser blir tillsammans en stor, pålitlig resurs.

AI för smarta elnät: upptäcka problem innan de blir kriser

Ett återkommande skäl till “nödlösningar” är att nätet inte hänger med – eller att fel upptäcks för sent. AI kan stärka driften genom:

• prediktivt underhåll (identifiera komponenter som riskerar fel)
• felklassning och snabbare lokalisering av störningar
• optimerad spänningsreglering och förlustminimering

Det gör inte rubriker på samma sätt som en politisk order, men det är exakt den typen av kapacitet som minskar sannolikheten för att någon ens ska vilja skriva en “stay-open”-order.

Miljöövervakning med AI: när beslut ger utsläpp här och nu

När kolkraft tvingas fortsätta driften ökar utsläpp och lokala luftföroreningar. Det räcker inte att prata om årsmedelvärden – påverkan är ofta akut och geografiskt koncentrerad.

AI-baserad miljöövervakning (i kombination med sensorer, satellitdata och modellering) kan ge:

• bättre upplösning i tid och rum (var och när utsläppen slår)
• snabbare upptäckt av avvikelser i drift (t.ex. ovanligt höga nivåer)
• mer transparent uppföljning mot villkor och tillstånd

Det här spelar roll för legitimiteten i energiomställningen. När människor upplever att de får bära kostnad och hälsorisker för beslut som känns onödiga, tappar systemet förtroende.

Från politiska nödbromsar till AI-stödd policy: så kan besluten bli bättre

Den stora lärdomen från USA-exemplet är inte att “förnybart är svårt”. Lärdomen är att styrning som ignorerar data blir dyr.

AI kan användas som beslutsstöd för policy och reglering på ett sätt som faktiskt går att revidera och granska:

1) Scenarier som går att jämföra på riktigt

Istället för att diskutera i slogans kan man köra scenarier där man jämför:

• kostnad för att hålla gammal produktion igång
• kostnad för flexibilitet (efterfrågestyrning, lagring, nät)
• risk för avbrott och effektbrist
• utsläpp och lokal påverkan

Poängen är inte att modellen “bestämmer”, utan att den gör antaganden synliga.

2) Trigger-baserade åtgärder istället för blanket-order

Om man ändå vill ha nödbefogenheter bör de vara kopplade till tydliga triggers:

• definierade timmar eller perioder
• mätbara kriterier för reservmarginal
• transparens i kostnadsallokering
• automatisk utvärdering efteråt

AI kan hjälpa till att övervaka triggers och visa om åtgärderna verkligen behövdes.

3) Mätning av “tillförlitlighet per krona”

Den mest underskattade frågan i energidebatten är: vilken åtgärd ger mest tillförlitlighet per investerad krona?

Ofta visar det sig att:

• snabb flexibilitet + bättre prognoser slår “håll igång gammalt”
• nätförstärkning slår dyr must-run-drift
• riktade åtgärder slår generella order

Praktiska nästa steg för energibolag och industriföretag (även i Sverige)

Du behöver inte driva ett amerikanskt stamnät för att dra nytta av lärdomarna. Här är vad jag brukar rekommendera när organisationer vill bli mindre sårbara för dyra ad hoc-beslut och effektstress:

1. Bygg en prognosstack som går att förbättra över tid

   • Lastprognoser på 15-min, timme, dygn
   • Integrera väder, driftdata och prisrespons

2. Kartlägg flexibilitet som en portfölj, inte som en pilot

   • Vilka laster kan styras i 15–60 minuter?
   • Vilka kan flyttas över dygnet?
   • Vad kräver avtal, incitament och mätning?

3. Sätt upp “digital tvilling light” för driftsbeslut

   • Inte en perfekt kopia av nätet, utan en modell som kan simulera flaskhalsar och effekttoppar

4. Skapa en beslutsprocess som tål granskning

   • Tydliga antaganden, loggade beslut, efteranalys
   • Det minskar risken att panik blir strategi

En bättre väg än “zombiekol”

När politiken tvingar fram fortsatt drift i kolkraftverk som ändå är på väg ut, blir resultatet ofta det sämsta av två världar: högre elkostnader och högre utsläpp, samtidigt som systemet inte nödvändigtvis blir mer robust.

Det finns en bättre väg: AI i smarta elnät, AI för energiprognoser, och AI-baserad efterfrågeflex. Det är inte ett ideologiskt projekt. Det är ett effektiviseringsprojekt. Och det är precis vad energiomställningen behöver när elräkningar redan är politiskt känsliga.

Om vi accepterar att framtidens elsystem måste vara både fossilfritt och stabilt, blir nästa fråga självklar: var i systemet får vi mest tillförlitlighet per krona – och hur snabbt kan vi skala det?