AI i elnätet när solel är billigare än kol

Priset på solel har fallit så mycket att el kan produceras för runt £0,02 per kWh i de soligaste regionerna. Det är lägre än kol, gas – och ibland även vind. Det här är inte längre en ”framtidsfråga”. Det är en ny baslinje för hur energisystem byggs.

Men när solen blir billigast uppstår en lite obekväm sanning: det svåra är inte att producera mer el – det svåra är att få elnätet att klara den. Perioder med extremt hög solproduktion kan skapa trängsel i nätet, kapa priserna och i värsta fall leda till att energi måste spillas när efterfrågan inte hänger med.

I vår serie AI inom energi och hållbarhet återkommer vi ofta till samma punkt: AI är inte ett sidoprojekt i energiomställningen. AI är det som gör ett elsystem med mycket förnybart stabilt, effektivt och lönsamt. Den här artikeln tar avstamp i den snabba prisfallet för sol och batterier – och visar konkret var AI gör störst skillnad i smarta elnät, energilagring och flexibilitet.

Varför solel plötsligt driver hela omställningen

Solel driver omställningen av en enkel anledning: lägsta kostnad vinner. När en teknik blir billigast i stor skala förändras investeringslogiken snabbt – inte bara för energibolag, utan för industrin, fastighetsägare och kommuner.

Forskning från University of Surrey pekar på tre tydliga faktorer bakom accelerationstakten:

• Kraftigt fallande kostnader för solceller gör att storskalig sol i många regioner slår fossilt även utan subventioner.
• Batteripriserna har sjunkit med 89% sedan 2010 (litiumjon), vilket gör att sol + lagring kan konkurrera med gaskraft i fler användningsfall.
• Materialinnovationer (t.ex. perovskit) kan ge betydligt högre verkningsgrad – i studien nämns potential att öka energiutbytet upp till 50% utan mer mark.

Här i Sverige har vi inte Kaliforniens solinstrålning. Ändå är effekten relevant: när sol och batterier blir billiga globalt påverkar det komponentpriser, leverantörskedjor och affärsmodeller även på vår marknad. Det som tidigare krävde tunga incitament kan nu drivas av ren ekonomi.

Myten som bromsar många projekt

Många organisationer fastnar i en gammal modell: ”Förnybart är bra, men det är väderberoende och därför osäkert.” Den verkliga bilden 2025 är mer nyanserad:

Solel är väderberoende. Men ett system med solel, lagring och AI-styrning kan vara mer förutsägbart i drift än ett system som är beroende av bränslepriser och import.

Det är här AI kommer in – inte som en trend, utan som ett driftverktyg.

Flaskhalsen 2025: elnätet, inte elproduktionen

Den tydligaste varningen i forskningen är också den mest praktiska: storskalig sol kan skapa nätträngsel. I regioner som Kalifornien och Kina har hög solproduktion ibland lett till att el ”inte får plats” i nätet när produktionen överstiger efterfrågan.

Det här är ett mönster som fler marknader ser i olika form:

• Lokala nät där mycket produktion ansluts (solparker, taksol, vind) men där kapaciteten i transformatorer och ledningar inte räcker.
• Prissignaler som blir extrema: timmar med mycket låga eller negativa priser följt av dyra toppar.
• Ökade krav på balans- och stödtjänster (frekvens, spänning, reserver) när produktion varierar snabbt.

I Sverige ser vi samma grundmekanik, även om orsakerna kan vara en blandning av industriell elektrifiering, regionala flaskhalsar och lång ledtid i nätutbyggnad. Resultatet blir detsamma: energiomställningen blir ett optimeringsproblem.

Det som faktiskt händer när nätet blir fullt

När nätet är trångt händer tre saker som slår direkt mot affärsnyttan:

1. Curtailment (nedreglering): produktion stängs av trots att solen skiner.
2. Ineffektiv lagring: batterier laddas ”fel timmar” och missar värdet.
3. Högre systemkostnader: mer behov av reservkraft och stödtjänster.

Det är en dyr spiral – och det är därför smarta elnät och AI-styrning inte är ”nice to have”. Det är kostnadskontroll.

Så använder smarta elnät AI för att undvika trängsel

AI i smarta elnät handlar i grunden om en sak: bättre beslut snabbare än människor hinner fatta dem. Det gäller särskilt i ett elsystem där tusentals små resurser (sol, batterier, värmepumpar, laddning) påverkar balansen i realtid.

AI-prognoser som går från ”väder” till ”nettolast”

Den mest lönsamma starten är ofta prognoser. Men inte bara solprognoser – utan nettolast: efterfrågan minus förnybar produktion.

AI-modeller kan kombinera:

• väderdata (molnighet, temperatur, vind)
• historisk produktion från sol och vind
• förbrukningsmönster (dygn/vecka/säsong)
• kalenderdata (helger, industrischeman)
• prisdata och marknadssignaler

När prognosen blir bättre kan man styra batterier, last och stödtjänster mer träffsäkert. Skillnaden mellan en okej och en bra prognos är ofta skillnaden mellan ”vi hoppas att det går” och ”vi planerar drift”.

AI för lastbalansering och flexibilitet i praktiken

När solen är billig är den rationella frågan: Hur flyttar vi förbrukning till soliga timmar utan att störa verksamheten?

AI-baserad lastbalansering gör det möjligt att automatisera flexibilitet i t.ex.:

• fastigheter (värme, ventilation, kyla)
• industriprocesser med tidsfönster
• elbilsladdning (depåer, parkeringar, företagsflottor)
• lokala batterier (BESS) i fastighet eller vid solpark

Ett bra styrsystem gör två saker samtidigt:

1. Minimerar kostnad (köper/laddar när priset är lågt)
2. Respekterar begränsningar (komfort, produktionstakt, nätkapacitet)

Det här är exakt den typ av problem som passar maskininlärning och optimering: många variabler, snabba förändringar och tydliga mål.

Från enheter till system: virtuella kraftverk (VPP)

När många mindre resurser samordnas uppstår en stor effekt: ett virtuellt kraftverk. AI hjälper till att:

• förutse tillgänglig flexibilitet timme för timme
• aggregera resurser till en ”portfölj”
• leverera stödtjänster och kapa effekttoppar

Det som tidigare krävde stor kraftproduktion kan nu levereras av samordnad flexibilitet. Det minskar behovet av dyr toppkapacitet och gör mer sol lönsam.

Sol + batterier: varför AI avgör lönsamheten

När batteripriser faller blir sol + lagring mer intressant. Men det betyder inte att alla batteriinvesteringar blir bra. Ett batteri utan intelligent styrning är ofta en dyr låda som laddas och urladdas vid fel tidpunkt.

Tre driftstrategier där AI gör störst skillnad

1. Arbitrage med riskkontroll

   • Ladda när priset väntas vara lågt, urladda när priset väntas vara högt.
   • AI kan hantera osäkerhet: flera scenarier, sannolikheter och skydd mot felprognoser.

2. Peak shaving (effekttoppskapning)

   • Sänker effekttariffer och minskar nätbelastning.
   • AI lär sig vad som skapar toppar och agerar förebyggande.

3. Nätstöd och stödtjänster

   • Batterier kan stabilisera frekvens och spänning.
   • AI kan prioritera mellan intäktsströmmar: stödtjänster vs. spotprisoptimering.

En enkel tumregel

Ju mer volatilitet i pris och produktion, desto mer värde i AI-styrning.

Och volatilitet är precis vad ett solrikt, elektrifierat system skapar.

Från forskning till verklig implementering: en 90-dagars plan

Många vill ”göra AI i energisystemet” men fastnar i otydliga pilotprojekt. Jag har sett att det fungerar bättre med ett tydligt, kort upplägg.

Steg 1 (dag 1–30): Datagrund och mätpunkter

• Samla tim- eller kvartsmätning för last, produktion och eventuella batterier.
• Säkerställ datakvalitet (luckor, felvärden, tidsstämplar).
• Definiera 2–3 KPI:er, t.ex. effekttopp (kW), inköpskostnad (kr), curtailment (kWh).

Steg 2 (dag 31–60): Prognoser och beslutslogik

• Bygg prognos för last och (om relevant) solproduktion.
• Skapa en enkel optimeringsmodell: när ska vi ladda/avlasta?
• Kör parallellt mot faktisk drift (”shadow mode”) och jämför KPI.

Steg 3 (dag 61–90): Automatiserad styrning med guardrails

• Koppla styrning till ett begränsat delsystem (t.ex. laddning, ventilation eller batteri).
• Lägg in tydliga begränsningar: komfort, processkrav, max effekt.
• Utvärdera veckovis och justera modellen.

Det fina är att du ofta får affärsvärde redan i steg 2 – innan du automatiserar fullt.

Policy och riktning: varför konsekvens slår ryckighet

Forskningen lyfter att långsiktigt stöd och tydliga spelregler driver investeringar. Det gäller även här hemma: elnät, flexibilitet, lagring och digital styrning kräver planeringshorisonter som är längre än ett kvartal.

Min ståndpunkt: om vi menar allvar med elektrifiering och konkurrenskraft behöver vi behandla nätkapacitet och flexibilitet som samhällskritisk infrastruktur. AI är då ett produktivitetslager – ett sätt att få mer nytta ur den kapacitet som redan finns, samtidigt som utbyggnaden tar tid.

Billig solel är en vinst. Men utan smart styrning blir vinsten delvis bortkastad.

Nästa steg: gör AI till drift, inte presentation

Solel har redan passerat den mentala tröskeln: den kan vara billigare än kol. Batterier har blivit dramatiskt mycket billigare sedan 2010. Nästa tröskel är operativ: kan vi driva ett elsystem där förnybart dominerar utan att skapa trängsel, spill och instabilitet?

Det är precis här AI i smarta elnät, AI-prognoser och AI-baserad lastbalansering hör hemma. Inte som något man ”testar lite”, utan som ett sätt att planera och styra energiflöden varje dag.

Om du jobbar med energi i fastigheter, industri eller energibolag: välj ett konkret problem (effekttoppar, batteristyrning, lokal nätbegränsning) och bygg en lösning som går att drifta. När solen är billigast blir optimering den nya hårdvalutan.

Vilken del av ditt energisystem skulle bli mest lönsam om den styrdes med prognoser i stället för magkänsla?