Batteriincentiv som ersätter kraftverk – med AI-styrning

När elnätet pressas som mest är det sällan energi som saknas. Det är effekt – förmågan att leverera mycket el under korta toppar. Och det är där batterierna kommer in. Duke Energy, den största elaktören i North Carolina, driver nu en tydlig linje: betala kunder för att installera och ställa batterier till förfogande, i stället för att bygga nya kraftverk och göra dyra nätförstärkningar.

Det här är mer än ett lokalt amerikanskt pilotprojekt. Det är ett konkret exempel på hur smarta elnät och efterfrågeflexibilitet blir ett ekonomiskt argument – och hur AI inom energi och hållbarhet kan göra modellen mer träffsäker, rättvis och lönsam.

Varför batteriincentiv är en kapacitetsstrategi (inte en “prylrabatt”)

Det centrala med Duke Energys upplägg är att incitiven inte primärt handlar om att fler ska köpa batterier “för sakens skull”. Målet är att skapa styrbar kapacitet som nätoperatören kan aktivera när belastningen är hög.

I praktiken byggs en virtuell kraftanläggning (Virtual Power Plant, VPP): många små batterier hos hushåll, företag och offentliga aktörer samordnas och körs som om de vore ett enda större kraftverk.

Duke har redan ett hushållsprogram (PowerPair) där deltagare kan få upp till 9 000 USD i rabatt för batteri som installeras tillsammans med solceller. En del hushåll får dessutom en löpande ersättning (i snitt 37 USD/månad) mot att bolaget får använda batteriet 30–36 gånger per år vid toppar.

Poängen: om elbolaget kan kapa toppar med kundägda batterier minskar behovet av:

• nya spetskraftverk (ofta gas)
• nätuppgraderingar som dimensioneras för extrema timmar
• dyra kapacitetsinköp eller reservlösningar

Det här resonemanget känns igen i Sverige. Vi pratar ofta om energibrist, men den praktiska smärtan är allt oftare effektbrist i vissa områden och tider.

Varför detta blir extra aktuellt vintern 2025

December innebär toppar: uppvärmning, belysning, industriell efterfrågan och ibland låg vindproduktion. Lägg till snabb lastökning från elintensiva verksamheter (i USA tydligt drivet av datacenter) så blir frågan enkel: Hur möter vi topparna billigast?

Batterier + smart styrning är ett av de snabbaste svaren.

Dukes nya upplägg: batterier för företag, kommuner och ideella

Duke föreslår nu ett permanent program för icke-bostäder: Non-Residential Storage Demand Response Program (ofta kallat “Commercial PowerPair” i branschen).

Här är de viktigaste detaljerna från förslaget:

• 120 USD per kW batterikapacitet som installeras
• • 30 USD per kW extra om batteriet kombineras med solceller
• en typisk nivå som nämns: cirka 250 USD/månad i kredit för ett 100 kW-batteri som kan nyttjas upp till 36 gånger/år, med extra ersättning om det faktiskt urladdas
• företag kan även få incitivet för batteri som kopplas till befintliga solcellsanläggningar

Duke uppskattar att cirka 500 kunder ansluter. Efter fem år skulle programmet ge 26 MW batterikapacitet och enligt bolagets kalkyl minska behovet av att bygga cirka 28 MW ny produktionskapacitet för topplast. Beräknad nytta: 13,6 miljoner USD i undvikna kostnader, mot en programkostnad på cirka 11,8 miljoner USD.

Det intressanta är inte exakta dollarbelopp, utan logiken: kundägda resurser får samma systemroll som traditionella investeringar.

Incitiven som marknadsdesign: vem tar risken?

Ett bra VPP-program måste svara på en obekväm fråga: om kunden äger batteriet, vem bär risken att batteriet inte är redo när nätet behöver det?

I Dukes fall syns detta i diskussionen om en så kallad “capability factor”, där ersättningen för att hålla batteriet redo justeras ned eftersom alla kunder inte sköter driften lika bra. Myndigheternas kundrepresentant har kallat det “kollektiv bestraffning”.

Min syn: båda har poänger.

• Elnätet behöver leveranssäker kapacitet.
• Kunden behöver förutsägbar ersättning och tydliga regler.

Det är här AI kommer in som ett praktiskt verktyg, inte som en buzzword.

Så gör AI virtuella kraftverk mer effektiva (och billigare)

AI kan göra batteriincentiv bättre på tre sätt: prognoser, optimering och rättvis ersättning.

1) AI-prognoser som minskar antalet “onödiga” aktiveringar

Duke talar om att använda batterier 30–36 gånger per år. Varje aktivering innebär slitage, planering och kundpåverkan. Med bättre prognoser kan man minska aktiveringarna och ändå klara topparna.

AI-modeller kan kombinera:

• väder (temperatur, molnighet, vind)
• historisk lastprofil
• kalendereffekter (helger, sportevenemang, industrischeman)
• lokala nätbegränsningar

Resultatet är mer träffsäkra “peak events”: färre, men mer värdefulla.

2) Optimering i realtid: från statiska regler till dynamisk styrning

Många program startar med enkla regler: “ladda nattetid, urladda vid topp”. Men verkligheten är stökigare:

• elpriser kan svänga snabbt
• solproduktion kan falla på minuter
• lokala nätflaskhalsar kan uppstå utan att hela systemet är i topp

AI-baserad optimering (ofta en mix av prediktiva modeller och matematiska optimerare) kan styra batterierna så att de:

• maximerar systemnytta per cykel
• undviker att tömma batterier när backupkraft behövs på platsen
• tar hänsyn till batterihälsa (degradering) för lägre livscykelkostnad

En snäv men viktig poäng: ett VPP är inte ett energilager – det är en styrningsprodukt.

3) Rättvis ersättning: mätning, verifiering och “performance-based” betalning

Det mest laddade i incitivsprogram är alltid ersättningen. AI kan hjälpa till att bygga mer transparenta modeller:

• baslinjeberäkning: vad hade kunden gjort utan aktivering?
• verifiering: hur mycket effekt levererades faktiskt?
• segmentering: olika “kapabilitet” för olika typer av kunder (kommuner vs industri)

Det gör det möjligt att gå från platt ersättning till prestationsbaserade betalningar där de som levererar stabilt får mer – utan att andra straffas kollektivt.

Vad Sverige (och nordiska aktörer) kan ta med sig

Duke-case:et är amerikanskt, men lärdomarna är internationella. Särskilt nu när elektrifiering, datacenter, laddinfrastruktur och värmepumpar driver effektbehov.

Kommuner och fastighetsägare: börja där nyttan är dubbel

I Dukes upplägg pekas kommuner ut som viktiga eftersom många redan har solceller men få har batterier. I Sverige är läget snarlikt.

För en kommun eller fastighetsägare är den bästa affären ofta kombinationen:

• kapa effekttoppar (lägre effekttariffer)
• öka egenanvändning av sol
• få ersättning för flexibilitet (där marknader och aggregatorer finns)

Företag: effekt är en strategisk kostnad, inte bara en elräkning

Många industriföretag och logistikfastigheter har idag kostnader kopplade till maxeffekt, abonnemang och nätbegränsningar. Ett batteri som bara “står” blir en kostnad. Ett batteri som optimeras blir en tillgång.

Här är en praktisk checklista jag brukar börja med:

1. Kartlägg 15-minuters toppar (minst 12 månader)
2. Identifiera vad som driver topparna (processer, ventilation, laddning)
3. Simulera batteristorlek: 50–500 kW är ofta intervallet där kalkylen börjar bli intressant
4. Bestäm styrstrategi: egen nytta först, nät-/marknadsnytta som extra lager

Elnätsbolag och energibolag: incitiven är bara halva produkten

Dukes viktigaste insikt är att VPP inte är “kundservice”, utan kapacitetsanskaffning.

För att få det att fungera i nordisk kontext krävs:

• tydliga tekniska krav (respons, mätning, cybersäkerhet)
• enkel onboarding (installation, test, driftsättning)
• transparent ersättningsmodell
• AI-stöd för prognos och aktiveringsbeslut

Vanliga följdfrågor (och raka svar)

Blir batterier verkligen billigare än att bygga nytt?

Ja, när problemet är toppar som inträffar få timmar per år. Då är det ofta mer kostnadseffektivt att betala för flexibilitet än att bygga infrastruktur som står underutnyttjad.

Riskerar kunden att “bli av med sitt batteri” när det behövs hemma?

Bra program sätter gränser: minsta reservnivå, begränsat antal aktiveringar och ersättning som matchar slitaget. AI-styrning gör det enklare att hålla dessa löften i praktiken.

Varför behövs AI – kan man inte bara schemalägga?

Scheman fungerar när verkligheten är stabil. Elsystemet 2025 är inte stabilt. AI förbättrar träffsäkerhet (när ska vi aktivera?) och effektivitet (hur mycket ska vi ta, från vem?).

Nästa steg: så gör du detta till en lead-magnet i praktiken

Om du jobbar med energi, fastigheter eller industri och vill ta en Duke-liknande idé från teori till affär, är en bra start att bygga en liten “proof of value” på 6–8 veckor:

• välj 1–3 anläggningar med tydliga effekttoppar
• samla mätdata (helst 15-min upplösning)
• skapa en enkel prognosmodell för toppar (väder + historik)
• simulera batteridrift och beräkna besparing/ersättningsbehov

Det är ofta först när man ser siffrorna per topp-timme som diskussionen slutar handla om teknik och börjar handla om affär.

Det här inlägget är en del av serien AI inom energi och hållbarhet. Nästa rimliga fråga är: när fler batterier kopplas upp, vilka AI-regler och marknadsmodeller gör att nyttan hamnar rätt – hos både kund och system?