AI-styrd BESS: Lärdomar från Eraring i Australien

En siffra säger mer än många pressmeddelanden: 3 160 MWh. Så stor ska batteriparken vid Eraring i New South Wales bli när Origin Energy nu expanderar projektet – på platsen där Australiens största kolkraftverk (2 880 MW) dominerat elförsörjningen. Det är inte bara en stor batteriinstallation. Det är ett tydligt tecken på vart energisystemet är på väg: från tröga, bränslebaserade anläggningar till snabba, digitalt styrda resurser.

Det som gör Eraring extra intressant för oss som jobbar med AI inom energi och hållbarhet är inte bara storleken, utan arkitekturen: fyra etapper, nätbildande (grid-forming) teknik och en central roll för mjukvara – i det här fallet Wärtsiläs energihanteringsplattform. Det är exakt här AI och avancerad optimering börjar gå från ”nice to have” till att vara avgörande.

Eraring visar varför batterier blir ryggrad i nya elnät

Eraring-projektet visar en kärninsikt: När förnybart växer blir flexibilitet en flaskhals – och batterier är den snabbaste vägen att bygga flexibilitet. När en stor kolenhet ska fasas ut (eller drivas vidare med tidsbegränsad dispens) uppstår en dubbel utmaning: effekt vid toppar och stabilitet i nätet.

I Australien har stängningen av kolkraft varit en politisk och systemteknisk dragkamp. Origin ville tidigarelägga nedläggningen (från 2032 till 2025) eftersom billigare sol, vind och batterier pressar kolens ekonomi. Samtidigt har systemoperatören varnat för kapacitetsbrist, vilket lett till en förlängning av driften till 2027 under vissa villkor.

Batteriet blir då inte bara en ersättare för energi, utan en ersättare för egenskaper som kolkraft historiskt bidragit med:

• Snabb frekvensrespons när något händer i nätet
• Effekt vid rätt tidpunkt (kvällstopp, korta underskott)
• Stödtjänster som stabiliserar spänning och frekvens

Och det är här digital styrning och AI börjar få en helt konkret ekonomisk betydelse.

MW och MWh – varför båda siffrorna spelar roll

Många fastnar på MW (”hur mycket effekt kan batteriet leverera?”). Men i verkligheten är MWh minst lika viktigt, eftersom det avgör hur länge batteriet kan hålla effekten.

Eraring har byggts stegvis från en första etapp på 460 MW / 920 MWh och vidare med expansioner som till slut tar anläggningen till 3 160 MWh. En central poäng i utvecklingen är skiftet mot längre varaktighet (timmar), inte bara hög toppeffekt.

Det här passar väl med en trend vi också ser i Europa: ju mer variabel produktion (vind/sol), desto större behov av fler timmar lagring och smartare styrning över dygnet.

Nätbildande batterier + mjukvara: där AI får verkligt genomslag

Den korta versionen: Grid-forming BESS gör batterier till aktiva ”nätbyggare”, inte bara passiva last-/produktionsenheter. Men tekniken kräver finjusterad kontroll och samspel med resten av systemet. Det är därför EMS (Energy Management System) och avancerade algoritmer hamnar i centrum.

I Eraring levererar Wärtsilä både hårdvara (Quantum BESS) och styrning via sin plattform för energihantering och kontroll. I praktiken betyder det att batteriet inte bara följer en order – det deltar i att hålla nätet stabilt.

Tre AI-användningsfall som passar exakt den här typen av projekt

1. Prognoser som driver beslut (load/price/renewables forecasting)
   AI-baserade prognoser kan kombinera väder, historik, kalenderdata och nätstatus för att förutse:

   • efterfrågetoppar
   • sol- och vindproduktion
   • sannolik prisbild per 5–60 minuter

   När du har 3 160 MWh att dispatcha handlar lönsamhet ofta om timing snarare än rå kapacitet.

2. Optimering av dispatch och stödtjänster (co-optimization)
   Många batterier tjänar pengar på flera intäktsströmmar samtidigt: energi-arbitrage, frekvensreglering, reservkapacitet och spänningsstöd. AI och optimering behövs för att svara på frågan:

   ”Ska vi spara energin till kvällstoppen, eller sälja stödtjänster nu och riskera att stå tomma senare?”

   Det här är inte en enkel regel. Det är ett beslutsproblem under osäkerhet – ett klassiskt område för avancerad optimering och maskininlärning.

3. Batterihälsa och livslängd (degradation-aware control)
   Storskaliga batterier är dyra och degradering är oundviklig. AI kan hjälpa till att styra drift så att man minskar onödigt slitage, till exempel genom att:

   • undvika aggressiva cykler när intäkten inte motiverar det
   • anpassa effektuttag efter celltemperatur och SoC-fönster
   • planera underhåll utifrån prediktiva modeller

Jag har sett att organisationer som tar ”battery health” på allvar ofta får en helt annan stabilitet i sina affärscase. Man tjänar inte bara mer – man får färre otrevliga överraskningar.

Snippet att citera: Ett storskaligt batteri utan AI-styrd optimering blir ofta ”försiktigt” i drift – och försiktighet är dyrt när elpriser och nätbehov rör sig snabbt.

Från kolkraftsplats till flexibilitetsnav: varför platsvalet är smart

En praktisk lärdom från Eraring är att många av de bästa BESS-lägena inte är nya greenfield-platser, utan gamla produktionsnoder.

Det finns tre skäl:

• Nätanslutning finns redan. Kolkraftverk sitter där stamnätet kan ta emot stora flöden.
• Tillstånd och mark är ofta enklare än helt nya etableringar.
• Systemnyttan är tydlig: samma knutpunkt kan fortsätta leverera effekt och stödtjänster även när bränsleanläggningen stängs.

För Sverige är parallellen tydlig: när stora enheter fasas ut eller ställs om (kraftvärme, industriell produktion, regionala flaskhalsar) blir samma fråga relevant: hur ersätter vi både energi och systemtjänster? Batterier är en del av svaret, men inte utan smart styrning.

Etapputbyggnad är också en AI-fråga

Eraring byggs i etapper, där varje steg påverkar hur resten bör styras. Det här skapar ett behov av:

• skalbara data- och kontrollplattformar (så att nya moduler inte blir en integrationsmardröm)
• digitala tvillingar för att testa scenarier innan de sker i verkligheten
• MLOps för energisystem: uppdatera prognosmodeller, övervaka prestanda, hantera driftavvikelser

Många organisationer gör misstaget att se AI som ett sidoprojekt. I stora BESS-satsningar borde AI ses som en del av anläggningens livscykel: från design och anslutningsstudier till drift och optimering.

Vanliga frågor (och raka svar) om stora BESS-projekt

Behöver vi verkligen AI när vi redan har ett EMS?

Ja, om målet är att maximera värde och minska risk. EMS är ”hjärnan” som exekverar. AI förbättrar beslutsunderlaget: bättre prognoser, bättre optimering och bättre felprediktion.

Varför pratas det så mycket om grid-forming?

För att elnätet behöver stabilitet när synkrona maskiner (kol/gas/vatten) minskar i relativa termer. Grid-forming-invertrar kan bidra till stabilitet på ett sätt som traditionella grid-following-system inte gör lika effektivt.

Är stora batterier bara till för att flytta sol från dag till kväll?

Nej. Energi-arbitrage är viktigt, men i många marknader kommer en stor del av värdet från stödtjänster, reserv och lokala nätbegränsningar.

Så kan svenska energiaktörer använda lärdomarna från Eraring

Eraring är Australien, men mönstret är globalt: mer variabel produktion, mer behov av flexibilitet, mer krav på digital styrning. För svenska energibolag, nätägare, fastighetsaktörer och industriföretag är tre nästa steg särskilt relevanta:

1. Bygg en datapipeline innan du bygger batteriet.
   Om mätdata, prisdata, väderdata och nätdata inte sitter ihop blir optimeringen sämre och driften mer manuell.

2. Definiera intäktsstacken tidigt.
   Vilka marknader ska batteriet verka i? Energi, stödtjänster, kapacitetsavtal, interna flexibilitetsbehov? AI-modellerna bör tränas för just dina beslut.

3. Gör degradering till en styrparameter, inte en eftertanke.
   Ställ krav på att optimeringen är degradation-aware. Annars riskerar du att ”äta upp” affärscaset i förtid.

Nästa fas i energiomställningen är digital – och det är bra

Eraring visar att storskaliga batterier snabbt håller på att bli en ny standardkomponent i energisystemet. Men projektet visar också något jag tycker diskuteras för lite: utan smart styrning blir ett stort batteri bara ett dyrt batteri. Med AI, optimering och robust kontroll blir det en resurs som både stärker nätet och förbättrar ekonomin.

I vår serie AI inom energi och hållbarhet återkommer samma mönster gång på gång: data + styrning + tydliga affärsbeslut slår teknik för teknikens skull. Eraring är ett bra exempel att ha i bakhuvudet när du planerar egna satsningar – oavsett om du jobbar med stamnät, lokal flexibilitet eller industriell elektrifiering.

Vilken del av batterivärdekedjan är mest eftersatt i din organisation just nu: prognoser, optimering eller driftövervakning?