AI-optimerad soldriven avsaltning utan dyr energilagring

Vattenbrist är inte en framtidsfråga. Den är en driftfråga – här och nu – för allt från kustnära samhällen till industriella processer som kräver stabil vattenkvalitet. Samtidigt står många lösningar och faller med energi: avsaltning är etablerat, men ofta centraliserat, kapitaltungt och beroende av teknik som kräver kontinuerligt underhåll.

Här är problemet som de flesta underskattar: solenergi är fantastisk – men intermittent. Moln, skymning och säsongsvariationer gör att många solbaserade vattensystem antingen behöver batterier (dyrt och underhållskrävande) eller acceptera ojämn produktion (svårt för samhällsservice och verksamheter).

Forskare och ingenjörer vid Rice University har presenterat en lösning som är extra intressant för oss som jobbar med AI inom energi och hållbarhet: ett soltermiskt avsaltningssystem som återvinner värme på ett sätt som fortsätter leverera vatten även när solen försvinner – och som dessutom är byggt utan membran som sätter igen. Det heter STREED och det öppnar för en tydlig nästa nivå: AI som finjusterar flöden, prognoser och styrning för maximal liter per kilowattimme.

Varför solbaserad avsaltning ofta faller på “mellanrummen”

Kärnan är energiåtervinning. Termisk avsaltning bygger på avdunstning och kondensation: vatten blir ånga (salt och föroreningar lämnas kvar), ångan kyls och blir rent vatten igen. Men den stora kostnaden – i energi – ligger i fasövergången mellan vätska och ånga.

Om systemet inte återvinner värmen som frigörs vid kondensation blir det ineffektivt. Och om det inte klarar variationer i solinstrålning blir det instabilt i drift. Resultatet är ofta något av följande:

• Överdimensionering för att klara “sämsta dagen”, vilket höjer CAPEX.
• Extern energilagring (batterier/termisk lagring) som ökar kostnad, komplexitet och servicebehov.
• Låg vattenproduktion när solen inte levererar, vilket gör systemet svåranvänt för off-grid.

I ett svenskt perspektiv är detta extra relevant på vintern: solenergi finns, men mönstret är mer ojämnt. Det gör att tekniker som kan hantera intermittens smart är mer intressanta än de som bara fungerar i “evig sommar”.

STREED: ett resonant sätt att återvinna värme utan membran

STREED (Solar Thermal Resonant Energy Exchange Desalination) löser intermittensen genom intern värmeväxling som beter sig som ett resonanssystem. Tänk pendel eller elektrisk krets: energi växlar mellan två former på ett effektivt sätt när systemet är “rätt inställt”.

Resonans – fast med värme och flöden

I stället för att lagra energi i ett batteri bygger STREED på att värme “pendlar” mellan två motriktade flöden:

• en ström av uppvärmt salt/förorenat vatten
• en luftström som tar med sig vattenånga

När flödena är rätt avstämda kan systemet lagra och föra över termisk energi internt även när solinstrålningen minskar. Det är ett elegant sätt att få “tröghet” i processen utan att addera externa lager.

Membranfritt: luft ersätter den känsliga delen

Många avsaltningssystem (särskilt omvänd osmos) är beroende av membran som:

• sätter igen (fouling)
• degraderas över tid
• kräver noggrann förbehandling och kemikaliehantering

STREED använder i stället en enklare princip: en kanal med uppvärmt vatten bredvid en kanal med luft. Luftflödet transporterar bort ångan, som sedan kondenseras i en värmeväxlare. Kontaminanter stannar kvar.

Det här är en stor grej för off-grid och “svårt underhåll”-miljöer. Färre känsliga komponenter betyder färre driftstopp.

En praktisk tumregel: i avlägsna miljöer är “färre delar som kan gå sönder” ofta viktigare än maximal labbeffektivitet.

Mätbara resultat: jämnare drift och högre effektivitet

Forskargruppen testade en prototyp i San Marcos, Texas, och rapporterade:

• upp till 0,75 liter dricksvatten per timme i prototypformat
• i simuleringar gav dynamisk flödesstyrning 77% bättre vattenåtervinningseffektivitet jämfört med statiska flöden under en representativ vecka

Det intressanta är inte bara att den totala produktionen ökar i soliga miljöer, utan att energieffektiviteten inte verkar vara beroende av extremt hög solinstrålning. Det betyder att rätt styrning och värmeåtervinning kan göra mycket även där solen varierar.

STREED klarar dessutom hög salthalt utan tydlig försämring i produktion eller kvalitet, vilket är en tydlig kontrast mot omvänd osmos som har kända begränsningar vid hög salinitet.

Där AI kommer in: från “smart idé” till stabil, skalbar drift

STREED är i grunden ett styrproblem. Systemet blir effektivt när interna flöden (vatten och luft) matchar solens varierande effekt. I artikeln beskrivs en ljusberoende flödeskontroll – och där finns en uppenbar plats för AI.

1) Prognosstyrning: mer vatten per kWh

Den mest direkta AI-tillämpningen är prediktiv styrning baserad på solprognoser och lokala sensorer. I praktiken:

• Modellera solinstrålning 15–60 minuter framåt (molnighet, aerosol, skuggning).
• Justera flöden i förväg så att systemet inte “jagar” solen.
• Optimera mot ett mål: max liter/kWh eller min kWh/liter givet krav på vattenkvalitet.

I svenska energisystem är detta samma filosofi som i smarta elnät: styrning med prognos slår styrning med reaktion.

2) “Digital tvilling” för avsaltning

För att skala behövs en driftmodell som är mer än en manual. Här fungerar en digital tvilling – en simuleringsmodell som kontinuerligt kalibreras med sensordata:

• temperaturprofiler i värmeväxlare
• luftfuktighet och flödesmotstånd
• salinitet i brine
• kondensationsgrad

AI kan användas för parameterestimering och avvikelsedetektion, så att systemet håller sin resonans “tuning” över tid, även när omgivningen förändras (säsong, damm, beläggningar).

3) Underhåll utan att vara på plats

Membranfritt minskar underhåll, men inte till noll. AI-baserad övervakning kan ge tidiga varningar innan prestandan droppar:

• detektera gradvis sämre värmeöverföring (tecken på beläggning)
• upptäcka läckage eller fläktproblem via energisignaturer
• larma när vattenkvaliteten riskerar att avvika

Det är exakt samma logik som prediktivt underhåll i vindkraft, fast i en vattenanläggning.

4) Optimering mot verkliga begränsningar: inte bara “max output”

I fält handlar drift ofta om kompromisser. Jag har sett projekt där tekniken fungerar, men där man missar de operativa kraven: ljud, damm, serviceintervall, reservdelar, utbildning.

AI kan hjälpa till att optimera mot flera mål samtidigt:

• jämn produktion över dygnet
• minimal energiförbrukning
• robusthet vid snabba väderomslag
• prioritering av dricksvatten när efterfrågan är hög

Det gör systemet mer relevant för kommuner, industriella aktörer och humanitära insatser.

När är STREED (och AI-styrd solavsaltning) en rimlig lösning?

Den passar bäst när energitillgång och underhåll är flaskhalsen – inte när du redan har billig, stabil el och full serviceorganisation. Några typiska scenarier:

Off-grid och ö-drift

• mindre kustsamhällen
• öar och skärgårdsmiljöer med begränsad nätkapacitet
• tillfälliga installationer (byggprojekt, prospektering)

Katastrofberedskap och resiliens

• system som kan startas snabbt efter avbrott
• decentraliserade enheter som minskar beroendet av en enda anläggning

Industriell vattenförsörjning med svåra briner

• processvatten där hög salinitet eller föroreningsprofil gör membranlösningar dyra
• där brinehantering är en central del av kostnadsbilden

För svenska aktörer är vinkeln ofta resiliens och redundans: att kunna producera rent vatten lokalt även när infrastruktur är stressad.

Praktiska nästa steg för organisationer som vill testa

Om du vill gå från “intressant forskning” till “pilot som skapar beslutsunderlag”, är detta en fungerande checklista:

1. Kartlägg vattenkällan: salinitet, föroreningar, variation över året.
2. Sätt ett tydligt driftmål: liter/dygn, kvalitetskrav, acceptabelt underhåll.
3. Mät energimönstret: solprofil, skuggning, säsongsvariation – och hur ofta du måste leverera även utan sol.
4. Designa styrstrategin tidigt: sensorer, datainsamling, edge-styrning, fallback-lägen.
5. Planera brinehantering: var hamnar koncentratet, och vilka regler gäller?

Det är punkt 4 som ofta glöms bort. Men i solavsaltning är styrningen inte en “feature” – den är produkten.

Vad det här betyder för “AI inom energi och hållbarhet”

STREED visar en riktning jag gillar: bygg systemen så att de är fysiskt robusta, och använd AI för att göra dem smarta i drift. Det är en mer hållbar väg än att lösa allt med mer hårdvara, mer lagring och mer komplexitet.

Solavsaltning utan membran och utan extern energilagring är inte en universallösning. Men den är ett tydligt svar på ett konkret problem: intermittens. Och när vi kombinerar den typen av termisk ingenjörskonst med AI för prognoser, optimering och övervakning får vi något som är lättare att skala – och enklare att äga över tid.

Om 2026 blir året då fler organisationer vågar pilota decentraliserade vattenlösningar, är min gissning att vinnarna inte bara kommer ha bäst hårdvara. De kommer ha bäst styrning.

Vilken del av kedjan skulle ge mest effekt i din miljö: bättre solprognoser, smartare flödesoptimering – eller prediktivt underhåll som minskar resor och driftstopp?