AI och elnätet: lärdomar från New Yorks 5,5 GW-plan

5,5 gigawatt. Det är nivån som New Yorks statliga elbolag NYPA nu fått klartecken att planera för i form av ny solkraft, vindkraft och energilagring. På pappret är det en massiv satsning. I praktiken är det också en påminnelse om var energiomställningen brukar fastna: i nätanslutningar, investeringsvillkor, tidslinjer och styrning.

Jag gillar den här typen av beslut eftersom de blottar verkligheten bakom klimatmål. Det är inte brist på ambition som sänker projekten, utan genomförandekapacitet. Och där är AI inte ett buzzword, utan ett verktyg: för att förutse flaskhalsar, optimera portföljer och styra ett elsystem där produktionen är mer väderberoende och mer distribuerad.

Det här inlägget är en del av vår serie ”AI inom energi och hållbarhet”. Vi använder New Yorks 5,5 GW-plan som ett konkret exempel på hur offentlig planering och smarta elnät kan hänga ihop – och vad svenska energibolag, kommuner och stora elkunder kan ta med sig.

Varför 5,5 GW är stort – men inte tillräckligt

New Yorks beslut är stort eftersom det nästan fördubblar NYPA:s tidigare mål för ny förnybar produktion och lagring. Det är samtidigt inte tillräckligt eftersom delstaten har lagkrav som kräver snabbare takt: 70 % förnybar el till 2030 och 100 % fossilfri/”zero-carbon” el till 2040.

Vad som bromsar: ekonomi, styrning och nät

En tydlig lärdom från planen är att tre bromsar samverkar:

1. Ekonomin ändras snabbare än projekten. När incitament (som skatteavdrag) förändras påverkas kalkylerna direkt, men projektportföljer går inte att ”stänga av och på” lika lätt.
2. Delat ägande kan bli en risk. NYPA måste ta majoritetsandel i projekten de stödjer. När privata utvecklare drar sig ur faller hela joint ventures.
3. Nätanslutning och överföringskapacitet är den hårda begränsningen. Du kan ha mark, tillstånd och kapital – men utan kapacitet i nätet står turbinerna och panelerna still i planeringspärmen.

Det här är inte unikt för USA. Samma logik syns i Norden: elektrifiering, ny industri, datacenter och laddinfrastruktur trycker upp efterfrågan, medan nätutbyggnad tar tid.

Var AI kommer in

När systemet blir mer komplext räcker inte traditionell planering och Excel-prognoser. AI hjälper till med det som människor är dåliga på i stor skala: att väga tusentals variabler samtidigt och uppdatera beslut när verkligheten ändras.

Offentlig planering möter AI: från mål till leverans

Det mest intressanta i NYPA:s plan är inte bara målsiffran, utan att en offentlig aktör försöker kompensera för en marknad som inte bygger tillräckligt snabbt. När en myndighet eller ett offentligt bolag tar en större roll uppstår en ny typ av behov: operativt beslutsstöd.

AI som ”portföljhjärna” för förnybart

En portfölj på 5,5 GW består inte av ett projekt – den består av många. Varje projekt har sin kombination av:

• produktionsprofil (sol/vind, säsong, dygn)
• lokala prisförutsättningar
• anslutningspunkt och nätkapacitet
• tillståndsrisk
• leverantörskedja
• kapital- och ränterisk

AI kan användas för att bygga en portföljoptimering där målet inte bara är maximala GW, utan maximal levererad energi (MWh) vid rätt tider, med rätt risk och rätt kostnad.

Praktiskt innebär det att man kan:

• rangordna projekt efter sannolik leveransdatum (inte bara planerad)
• modellera hur olika kombinationer av sol, vind och batterier påverkar effektbrist
• välja projekt som avlastar nätet snarare än belastar det

Prediktiv planering när verkligheten ändras

I New York skedde en nedjustering från 7 GW (utkast) till 5,5 GW (slutlig plan), bland annat när privata aktörer drog sig ur och när nätet satte gränser.

Med AI-baserade modeller kan man arbeta mer som ett logistiksystem:

• uppdatera prognoser när en utvecklare hoppar av
• simulera alternativa projekt som kan ersätta bortfall
• identifiera vilka nätförstärkningar som ger mest ”byggbarhet” per investerad krona

En bra tumregel: AI ger värde när den minskar omplanering. Och omplanering är dyrt – både politiskt och ekonomiskt.

Flaskhalsen alla pratar om: nätanslutning och överföring

Om du vill förstå varför energiomställningen drar ut på tiden: följ kön till nätanslutningen. Artikeln pekar ut brist på transmissionskapacitet som en huvudorsak till att projekt inte blir av.

AI för snabbare och smartare nätplanering

AI kan inte bygga kraftledningar. Men den kan göra två avgörande saker:

1. Göra nätplanering mer träffsäker

   • bättre lastprognoser (inklusive elektrifiering och nya industrier)
   • scenariomodeller för extremväder och redundans
   • prediktion av var flaskhalsar uppstår 12–48 månader framåt

2. Öka nyttan av befintligt nät

   • dynamisk kapacitetsberäkning (”hur mycket kan vi faktiskt skicka just nu?”)
   • bättre styrning av spänning och reaktiv effekt
   • optimerad driftplanering med mer variabel produktion

Det är här begreppet smarta elnät blir konkret: sensorer + data + beslutsstöd som gör att du får ut mer av infrastrukturen innan nästa ledning står klar.

Flexibilitet: batterier, efterfrågeflex och virtuella kraftverk

New Yorks plan inkluderar energilagring. Det är logiskt, för när sol och vind växer blir effekt lika viktig som energi.

AI är motorn bakom flexibilitet i praktiken:

• Batterioptimering: när ska batteriet ladda/ur-ladda givet pris, nätläge och prognoser?
• Efterfrågeflex: vilka laster kan flyttas utan att verksamheten störs?
• Virtuella kraftverk (VPP): samordna tusentals små resurser som om de vore en anläggning

I svensk kontext ser jag ofta att flexibilitet nämns, men inte operationaliseras. AI gör det operationaliserbart: du kan räkna hem det, styra det och följa upp det.

Lärdomar för Sverige: så blir mål byggbara

New York visar en sak väldigt tydligt: mål räcker inte. Du behöver en genomförandemaskin. För svenska energibolag, kommuner och industrier finns flera praktiska lärdomar.

1) Bygg en ”digital tvilling” av nätet och portföljen

En digital tvilling är en levande modell av verkligheten (nät, produktion, laster) som uppdateras med data. Den behöver inte vara perfekt från dag 1.

Min erfarenhet är att nyttan kommer snabbt om man fokuserar på tre saker:

• gemensam datamodell (nät, anläggningar, mätvärden)
• tydliga beslut den ska stödja (inte ”allt”)
• kontinuerlig uppdatering, inte årsvisa rapporter

2) Flytta fokus från installerad effekt (GW) till levererad nytta

Det är lätt att fastna i GW-mål. Det som avgör systemkostnad och leveranssäkerhet är snarare:

• MWh vid rätt tid (vintertoppar, morgon/kväll)
• effektbidrag under ansträngda timmar
• minskad trängsel i nätet

AI-baserad portföljstyrning kan sätta KPI:er som faktiskt hänger ihop med driften.

3) Gör interconnection-kön till ett dataproblem

En obekväm sanning: anslutningsprocesser är ofta manuella, dokumenttunga och svåra att förutsäga. Här kan AI användas för:

• automatisk granskning av anslutningsunderlag
• riskklassning av projekt (tillstånd, mark, kapacitet)
• prioriteringsstöd baserat på systemnytta

Det är inte magi. Det är processförbättring med bättre modeller.

4) Skapa styrning som tål att planer ändras

NYPA beskriver sin plan som iterativ. Det är bra. Energisystemet 2026–2030 kommer inte följa en rak linje.

För att iteration ska fungera behövs:

• transparenta antaganden (vad bygger prognosen på?)
• spårbarhet (varför ändrades beslutet?)
• gemensamma scenarier mellan nät, produktion och stora kunder

AI hjälper, men bara om styrningen tillåter att man agerar på resultaten.

Vanliga följdfrågor (och raka svar)

Behöver man AI för att bygga mer sol och vind?

Nej. Men du behöver AI för att bygga snabbare med lägre risk när nätet är fullt, marknaden svajar och vädret styr produktionen.

Är AI mest till för drift, inte för planering?

Planering är där många miljoner kan räddas eller slösas bort. AI ger extra värde i planering när du har många projekt, många osäkerheter och tajta nätbegränsningar.

Vad är första steget för en organisation som vill börja?

Välj ett tydligt beslut att förbättra, till exempel “var ska vi investera i flexibilitet för att minska effektbrist?”. Samla data, bygg en enkel modell, och skala när nyttan är bevisad.

Nästa steg: 5,5 GW är ett test av kapacitet – och av intelligens

New Yorks 5,5 GW-plan säger något viktigt: när privata aktörer inte levererar i takt med klimatmålen ökar trycket på offentliga aktörer att bli både investerare och systemarkitekt. Det är en svår roll. Men den blir mycket svårare utan datadrivet beslutsstöd.

Om jag ska vara tydlig: energiomställningen kommer inte stoppas av brist på vilja, utan av brist på genomförandeförmåga i elnät och projektportföljer. AI är ett av de mest praktiska sätten att stärka den förmågan.

Vilken del av din energiutmaning är mest akut just nu – nätkapacitet, projektprioritering eller flexibilitet – och vad skulle hända om ni kunde förutse problemen 12 månader tidigare?