AI-styrda virtuella kraftverk: batterier som kapar toppar

Elpriserna rör sig snabbt när efterfrågan toppar – och det är nästan alltid timmarna med högst belastning som driver de dyraste investeringarna i elsystemet. Det är därför det är så intressant att Duke Energy i North Carolina nu vill betala kunder för att låna deras batterikapacitet i stället för att bygga fler kraftverk.

Det här är inte en futuristisk idé. Det är ett praktiskt exempel på hur virtuella kraftverk (VPP) fungerar i verkligheten: tusentals små resurser (batterier, solceller och flexibla laster) som samordnas så att de beter sig som en större, styrbar kraftkälla. Och om man vill skala VPP på riktigt kommer man ganska snabbt fram till att det kräver AI-driven energistyrning – inte fler Excel-ark.

Som del av vår serie AI inom energi och hållbarhet tar vi den här nyheten och översätter den till svensk verklighet: vad är det som faktiskt händer, varför funkar incitamenten, vilka AI-funktioner behövs – och vad kan energibolag, kommuner och fastighetsägare göra redan 2026?

Varför batteriincitament kan ersätta nya kraftverk

Kort sagt: topplast är dyr, sällan använd och svår att motivera för kunderna. Om man kan kapa topparna med distribuerade batterier minskar behovet av nya toppkraftverk och nätförstärkningar.

I Duke Energys upplägg har bolaget redan testat ett program för hushåll med solceller + batteri. Kunderna får en rejäl rabatt på batteriet och går med på att elbolaget får nyttja batteriet 30–36 gånger per år när behovet är som störst. Resultatet: bolaget får tillgång till kapacitet exakt när den är som mest värdefull.

Det nya är att Duke vill göra något liknande för företag, kommuner och ideella organisationer – och dessutom permanenta modellen. I deras kalkyl landar prognosen på:

• cirka 500 deltagare
• cirka 26 MW batterilagring efter fem år
• undviket behov av nästan 28 MW ny produktionskapacitet
• en uppskattad nettobild där besparingar (ca 13,6 MUSD) överstiger programkostnader (ca 11,8 MUSD)

Den typen av siffror är skälet till att VPP diskuteras allt mer även i Europa. För ett elsystem är det ofta billigare att styra 1 kW flex i rätt minut än att bygga 1 kW ny kapacitet som står still stora delar av året.

Myten som behöver dö: ”kundägda resurser går inte att lita på”

En invändning från regulatorer (och vissa driftorganisationer) är att kundägda batterier är ”någon annans utrustning” och därmed osäkrare.

Den invändningen missar en avgörande sak: tillförlitlighet byggs med styrning, avtal och uppföljning. Precis som med fjärrvärmeavtal, serviceavtal eller SLA:er i IT. Och här är AI en stor del av svaret.

Virtuella kraftverk i praktiken: från pilot till affärsmodell

Ett VPP är en marknads- och driftmodell, inte en pryl. Du tar distribuerade resurser och gör dem driftmässigt användbara: för toppeffekt, stödtjänster, lokal nätavlastning och ibland även energihandel.

Duke Energys första hushållsprogram (med batterirabatter upp till cirka 9 000 USD) har en tydlig design:

• ett tak för antal deltagare och MW
• tydliga ”call events” (30–36/år)
• månadsersättning eller tariff som styr bort från peak

Det nya nonresidential-programmet har lägre engångsstöd per kW, men bättre affärslogik för större anläggningar:

• ca 120 USD/kW batteri (plus ca 30 USD/kW om solceller kopplas på)
• exempel: runt 250 USD/mån för ett 100 kW batteri för att stå redo (plus ersättning när det faktiskt urladdas)
• möjlighet att lägga batteri till befintliga solcellsanläggningar

Den sista punkten är viktig. I många verksamheter finns redan solceller på tak eller mark, men väldigt lite lagring. Att addera batteri ger både högre egenanvändning och en resurs som kan användas av elnätet.

Vad Sverige kan plocka upp direkt

Även om regelverk och marknader skiljer sig mellan USA och Sverige är principen universell:

• kapacitetsproblem uppstår i timmar, inte i årssnitt
• batterier och flexibilitet kan hantera timmarna
• incitament behövs för att få volym

Särskilt relevant är det nu, vintern 2025, när många svenska organisationer pratar om både kostnadskontroll och robusthet: datahallar, elektrifiering av transporter, effektutmaningar i växande regioner och ökade krav på kontinuitet.

Där AI faktiskt gör skillnad i VPP: styrning, prognoser och rättvisa

Det stora hindret för VPP är inte batterierna – det är orkestreringen. När du går från 50 till 5 000 resurser blir det snabbt komplext: varierande beteenden, olika lastprofiler, olika garantier och olika tekniska gränssnitt.

AI löser inte allt, men den gör tre saker bättre än traditionell regelstyrning:

1) Prognoser: att veta när topparna kommer innan de kommer

För att kapa effekt behöver du ligga före. En AI-modell kan kombinera:

• historisk förbrukning
• väder och temperatur
• kalender (helger, produktion, skolor)
• spotpris och nätbegränsningar
• lokala signaler (t.ex. mätvärden i nätstationer)

Målet är ett enkelt beslut: ska batteriet laddas nu för att vara fullt vid 17:00–19:00?

Det här är där många organisationer misslyckas. De ser batteriet som en backup-enhet, inte som en aktiv resurs med en plan för varje dygn.

2) Optimering: att använda batteriet där nyttan är störst

En VPP-operatör har ofta flera mål samtidigt:

• kapa toppeffekt (effektkostnader/kapacitetsbehov)
• undvika dyr el (prisoptimering)
• leverera stödtjänster
• säkra lokal driftsäkerhet (reserven får inte ätas upp)

AI-baserad optimering kan väga detta i realtid. Det kan vara så konkret som att batteriet bara får gå ner till 60% SoC under vardagar i december, men kan gå ner till 30% på helger.

En bra tumregel: det som inte kan uttryckas som en policy går inte att skala. AI hjälper dig operationalisera policyn.

3) Prestanda och ”capability factors”: att mäta, förbättra och inte straffa alla

I Duke-fallet finns diskussion om en faktor som sänker ersättningen eftersom man antar att vissa kunder inte håller batteriet redo. Kritiker kallar det kollektiv bestraffning.

Här finns en tydlig AI-poäng: om du kan mäta readiness och hälsa per anläggning kan du:

• sätta individbaserad ersättning
• ge proaktivt underhåll
• upptäcka fel i integrationer (växelriktare, kommunikation)

Det ökar både rättvisan och leveranssäkerheten – och gör regulatorer lugnare.

Ett VPP med AI blir inte bara billigare. Det blir enklare att lita på.

Så räknar du hem ett VPP-case i din organisation (utan att gissa)

Du behöver tre siffror för att komma igång: toppeffekt (kW), effektfönster (timmar) och flexibilitetsgrad (%). Resten är modellering.

Steg 1: Kartlägg din effektprofil

• Ta fram högsta timmedel/kvartsvärde per månad.
• Markera återkommande toppar (ofta vardagar 07:00–09:00 och 16:00–19:00).
• Identifiera om topparna drivs av ventilation, laddning, process, kyla eller uppvärmning.

Steg 2: Bestäm vilket batteri som gör nytta

En vanlig fallgrop är att köpa för mycket energi (kWh) när problemet egentligen är effekt (kW).

• För effekttoppar behövs ofta hög kW och 1–2 timmars energi.
• För reservkraft/ö-drift behövs ofta mer kWh.

Steg 3: Sätt ”driftregler” innan inköp

Skriv ner tre regler som styr AI/EMS:

1. Minsta SoC som alltid måste finnas kvar (t.ex. 50–70% vintertid).
2. Max antal urladdningsevent per vecka för att skydda batteriet.
3. Vilken prioritet som gäller: effekt, pris, stödtjänst eller kontinuitet.

Steg 4: Välj integrationsnivå (det avgör om det blir VPP eller bara batteri)

För att kunna delta i ett virtuellt kraftverk krävs oftast:

• mätning i nära realtid
• fjärrstyrning och säkra API:er
• loggning för avräkning
• larm och fallback-lägen

Jag har sett flera projekt fastna här: batteriet installeras, men styrningen blir en eftertanke. Då försvinner 30–50% av nyttan.

Vad Duke-exemplet säger om 2026: batterier blir ett ”kapacitetsabonnemang”

Det mest intressanta i Duke-modellen är inte rabatten – det är beteendeförändringen. Batteriet blir en resurs som kan hyras in när systemet behöver det.

För svenska aktörer pekar det mot en tydlig utveckling 2026–2028:

• fler incitament som premierar tillgänglig effekt, inte bara producerad energi
• större fokus på standardiserade avtal och mätbar leverans (”du får betalt när du är redo”)
• snabbare adoption av AI i energistyrsystem för att hantera komplexitet och rapportering

Det här passar också den bredare hållbarhetsagendan: när vi kan kapa toppar med distribuerade resurser minskar behovet av fossil reservproduktion och kostsamma nätåtgärder – samtidigt som kunder får en ny intäktsström.

Nästa steg: så gör du VPP redo för lead-generering och affär

Om du arbetar på energibolag, fastighetsbolag, kommun eller industri finns ett konkret nästa steg: börja med en VPP-förstudie som är datadriven, inte powerpoint-driven.

• Kartlägg 20–50 lämpliga sajter (last, takyta, befintliga solceller, effektkostnader).
• Kör en simulering över minst 12 månader med verkliga mätdata.
• Definiera vilka AI-funktioner som behövs: prognoser, optimering, avvikelsedetektion och rapportering.

Den som gör det jobbet tidigt får två fördelar: bättre ekonomi i investeringarna och ett enklare samtal med både regulatorer och kunder.

Vi är mitt i en period där elnätet pressas från flera håll: elektrifiering, datahallar, mer väderberoende produktion och ett växande behov av resiliens. Virtuella kraftverk är ett av de få verktyg som både kan byggas snabbt och skala brett.

Vilken del av din verksamhet skulle vinna mest på att gå från “batteri som backup” till “batteri som AI-styrd kapacitetsresurs” under 2026?