AI gör sol+lager till pålitlig importkraft

Singapore har satt en konkret siffra på sin energiutmaning: 6 GW import av lågkoldioxid-el till 2035 (upp från 4 GW). Det är ett tydligt kvitto på ett faktum som många länder med tät bebyggelse delar: du kan vilja bygga mer förnybart, men du har inte platsen.

Samtidigt händer något som borde få fler energiledare att höja blicken. Vena Energy har tecknat ett ramavtal med CATL om upp till 4 GWh batterilager (BESS) för ett projekt som ska exportera el från över 2 GWp solkraft på Indonesiens Riauöar till Singapore via sjökablar. Batterierna laddas av dagproduktion och gör leveransen mer förutsägbar – det som i projektbeskrivningen kallas semi-firm supply.

Här är min poäng: batterierna är nödvändiga, men de är inte hela lösningen. Den verkliga skillnaden mellan “vi har mycket sol” och “vi kan leverera el när ni behöver den” handlar om styrning. Och styrning i den här skalan är ett perfekt jobb för AI inom energi och hållbarhet: prognoser, optimering, felprediktion och samordning mellan marknader.

Vad som faktiskt byggs: en energikorridor med sol, batterier och kabel

Projektupplägget är i grunden enkelt: sol dagtid + batterilager + överföring till Singapore. Men enkelheten är lite missvisande, för skalan gör att allt blir systemfrågor.

Vena Energys upplägg omfattar:

• >2 GWp sol-PV på Riauöarna i Indonesien
• Upp till 4 GWh BESS från CATL (EnerX-system)
• Sjökablar till Singapore för direkt export
• Målsättning: >2,6 TWh/år i dispatchable (styrbar) ren el och en mer förutsägbar leveransprofil

Det här sker dessutom i en reglerad kontext. Vena/Shell är en av flera aktörer som fått villkorat grönt ljus av Singapores Energy Market Authority (EMA) i den pågående processen att licensiera importprojekt.

Därför räcker inte “bara mer sol”

Solkraft är billig och snabb att bygga, men den producerar när den producerar. Singapore vill köpa el när den behövs: kvällstoppar, varma dagar med hög kylbelastning, och när systemet i övrigt är ansträngt.

BESS gör två saker:

1. Tidsförskjuter energi (laddar när solen skiner, levererar senare)
2. Stabiliserar leveransen (snabb respons på variationer)

Men att bestämma när batteriet ska laddas och urladdas, hur mycket marginal som krävs, hur man tar höjd för kabelbegränsningar och hur man undviker onödigt slitage – det är här AI blir avgörande.

Varför batterilagret är mer än en “stor powerbank”

4 GWh låter som “massivt”, och det är det. Men i ett exportsystem med 2 GWp sol är batteriet i praktiken en del av leveranskontraktet. Det är en maskin som ska skapa förutsägbarhet.

CATL:s EnerX som nämns i källmaterialet är ett containeriserat BESS (upp till 5,6 MWh per 20-fotscontainer). Containerisering låter trivialt, men det betyder snabbare byggnation, standardiserad service och enklare skalning.

Lokal tillverkning: en detalj med stor systemeffekt

En intressant aspekt är att Vena Energy uppger att utrustningen ska tillverkas i CATL:s nya anläggning i West Java. För energiprojekt är leveranskedjan ofta en dold risk. Lokal eller regional tillverkning kan ge:

• Kortare ledtider vid reservdelar och utbyggnad
• Bättre möjlighet till serviceorganisation nära site
• Lägre logistikrisker

Men även här finns en AI-koppling: när BESS-flottor växer blir tillståndsbaserat underhåll en nyckel. Att köra service “på kalendern” är dyrt. Att köra service när data säger att något är på väg att gå fel är bättre.

AI:s roll: från “semi-firm” till leveransprecision

Det mest praktiska sättet att förstå AI-värdet i en förnybar energikorridor är att se den som en kedja av beslut som måste tas varje timme (ibland varje minut).

AI skapar värde när den gör besluten mer korrekta, snabbare och billigare.

1) Prognoser som går från väder till leverans

I sol+lager handlar prognoser inte bara om kWh från paneler. Du behöver en stapel av prognoser:

• Solinstrålning och moln (minut–dygn)
• Temperatur (påverkar både PV och kylning av BESS)
• Efterfrågan i mottagarmarknaden (Singapore)
• Nätbegränsningar och överföringskapacitet

En bra energiprognos är inte “en kurva”. Den är en sannolikhetsfördelning. AI-modeller kan ge konfidensintervall som gör att du kan dimensionera batterimarginaler smartare.

En användbar tumregel i drift: bättre osäkerhetsmodellering ger mindre behov av “överförsäkring” i batteriet.

2) Optimering av dispatch: rätt el, vid rätt tid, med rätt slitage

Batterier slits. Varje cykel har ett pris. En operatör vill därför maximera värde per cykel.

AI-baserad optimering (t.ex. modellprediktiv styrning) kan väga:

• Kontrakterade leveransnivåer (semi-firm åtaganden)
• Intäktsprofil per timme (spot/avtal/kapacitetsersättning)
• Batteriets degradering (State of Health)
• Kabel- och nätbegränsningar

Resultatet blir en driftstrategi som ofta ser “för försiktig” ut för en människa – men som i praktiken ger högre tillgänglighet efter 3–5 år.

3) Grid integration: när två länder ska synka frekvens, reglering och ansvar

Korsborder-projekt blir snabbt mer politik och systemdesign än teknik. Vem bär ansvaret om leveransen avviker? Hur mäts och verifieras levererad förnybar el? Hur hanteras fel på kabel eller omriktare?

AI kan hjälpa till med:

• Anomali-detektering på kabel/omriktare/BESS (tidig varning)
• Digitala tvillingar för att simulera “om X händer, då gör vi Y”
• Automatiserad rapportering för mätning, verifiering och regelefterlevnad

Det är extra relevant i Singapore, där marknaden och myndighetskraven tenderar att vara tydliga och dataintensiva.

Vad Sverige kan lära av Indonesien–Singapore-korridoren

Det här är inte en “exotisk” Southeast Asia-historia. Den pekar på samma kärnproblem som Sverige och Norden brottas med, fast i en annan geografi.

Från energiöverskott till energi som kan levereras

Sverige har perioder av gott om förnybar el, men också flaskhalsar, prisområden och effektutmaningar. Lärdomen från energikorridorer är:

• Produktion är inte samma sak som leverans
• Flexibilitet (BESS, styrning, efterfrågeflex) är den nya hårdvalutan
• Data är en infrastrukturtillgång – utan bra data blir batterier dyra och underutnyttjade

Tre praktiska AI-användningar som ofta ger snabbast ROI

Om du jobbar på ett energibolag, en industrikoncern eller en kommun med egna energitillgångar är det här de tre första spåren jag brukar rekommendera:

1. Prognosstacken: sol/vind + last + pris i samma pipeline
2. Dispatchoptimering: styr batteri eller flexibilitet mot tydliga mål (kostnad, CO₂, leverans)
3. Prediktivt underhåll: prioritera sensordata och larmlogik som minskar avbrott

Det fina är att du inte måste börja med “full autonomi”. Ett beslutstöd som minskar felbeslut med några procent kan vara värt mycket när energivolymerna är stora.

Vanliga följdfrågor (och raka svar)

Hur kan sol + 4 GWh batteri ge “semi-firm” leverans?

Genom att buffra dagproduktion och leverera enligt en planerad profil, ofta med reserver för prognosfel. Semi-firm betyder i praktiken att leveransen är mer förutsägbar än “rå sol”, men inte lika garanterad som traditionell baskraft.

Varför behövs AI när man kan ha en fast ladd/urladd-plan?

För att verkligheten ändras varje dag: molnighet, temperatur, prisnivåer, kabelkapacitet, tillgänglighet i anläggningen och degradering. En statisk plan ger antingen för låg leveranssäkerhet eller onödigt slitage.

Vad är den största risken i sådana korridorer?

Tekniskt: integrations- och tillgänglighetsrisk (kabel/omriktare/BESS). Affärsmässigt: att intäktsmodellen inte matchar kostnaden för leveranssäkerhet. Operativt: att datakvalitet och styrning inte är tillräckligt mogna.

Nästa steg: bygg “smart korridor”-tänket hemma

Energikorridoren Indonesien–Singapore visar vart marknaden rör sig: förnybart + lagring + styrning blir ett paket. Det är så man går från installerad effekt till levererad nytta.

Om du arbetar med energi, industriell elektrifiering eller fastigheter är det läge att tänka likadant i mindre skala: börja samla rätt driftdata, sätt en tydlig optimeringsmålsättning och prova AI där den faktiskt gör skillnad – prognoser, dispatch och underhåll.

Det som avgör 2026–2030 är sällan om vi kan bygga fler solparker eller fler battericontainrar. Det som avgör är om vi kan styra dem så bra att elen blir pålitlig. Vilken del av din energikedja är mest “blind” i dag – prognosen, styrningen eller uppföljningen?