Datahallar med egen grön el: vad Sverige kan lära

AI-boomen har ett pris som få ser på fakturan: effekten. Inte den ”effekt” vi pratar om i reklamen, utan de där kritiska topptimmarna när elnätet måste hålla ihop, oavsett om det blåser eller inte. I USA planerar Georgia Power att lägga mer än 15 miljarder dollar på att bygga ungefär 10 gigawatt ny kapacitet (gas och batterier) fram till 2031 – i praktiken drivet av osäkra prognoser om hur mycket el nya AI-drivna datahallar kommer att kräva.

Samtidigt förhandlar delstaten Georgia fram en modell där stora kunder (tänk hyperscalers som Amazon, Google, Meta och Microsoft) ska få ta in egna, nya fossilfria resurser till elnätet – sol, batterier och andra projekt – och få kredit för dem på elräkningen. Modellen kallas Customer-Identified Resources (CIR) och är ett steg mot det som i branschen ibland kallas ”bring-your-own clean energy”.

Det här är mer än en amerikansk policyhistoria. Den pekar på en fråga som blir akut även i Sverige 2026: hur vi bygger el och nät för snabbt växande laster utan att låsa in oss i dyr och smutsig kapacitet. Och här kommer kampanjens kärna in: AI inom energi och hållbarhet handlar inte om att ”optimera lite” – det handlar om att fatta rätt investeringsbeslut i tid, med bättre prognoser, smartare drift och tydligare ansvar.

Georgias modell i praktiken: ”kundstyrda” elresurser

Det centrala i CIR-upplägget är enkelt: stora elintensiva kunder får identifiera och finansiera nya fossilfria projekt som kopplas in på nätet via elbolaget. Elbolaget granskar projekten mot kriterier som kostnadseffektivitet och systemnytta, och när anläggningen är i drift får kunden både ekonomisk kredit och ursprungsgarantier (motsvarande).

Det här kompletterar en mer traditionell ”grön tariff”-modell, där elbolaget själv upphandlar ny förnybar el och erbjuder den till kunder på fasta villkor. Skillnaden är makt och tempo:

• Grön tariff: elbolaget styr, kunder abonnerar.
• CIR/BYONCE: kunden tar initiativet, elbolaget kvalitetssäkrar och integrerar.

En detalj som sticker ut: Georgia Power öppnar för upp till 3 GW kundidentifierade resurser fram till 2035, parallellt med ett program där elbolaget ska säkra upp till 4 GW ny förnybart till samma tidshorisont.

Varför blir det här aktuellt just nu?

Svaret är AI och datahallar – men inte bara.

• Lasttillväxten kommer snabbt och klustras geografiskt (datahallparker).
• Osäkerheten är brutal: om investeringarna, användningen och effektiviseringen går åt ett annat håll kan elbolag stå med överkapacitet som kunderna betalar för i decennier.
• Gas och turbiner har leveransproblem och kostnadsrisker. Förnybart + batterier går ofta snabbare att bygga.

Det är i den här pressade kombinationen som ”låt kunderna ta med egen fossilfri el” blir en realistisk ventil.

Den svåra delen: kapacitetsvärde och topplast

Här är grejen som många missar: att producera kilowattimmar är bara halva jobbet. Den andra halvan är att kunna leverera kilowatt när det behövs som mest.

I Georgias diskussion är den mest konfliktfyllda punkten att nuvarande CIR-förslag inte fullt ut räknar kundernas sol- och batteriprojekt som kapacitet som kan minska behovet av nya gasverk. Om kundernas investeringar bara räknas som ”grön energi” men inte som ”tillförlitlig effekt” riskerar man dubbel byggnation:

1. Datahallen finansierar sol + batteri.
2. Elbolaget bygger ändå gas för att möta toppar.
3. Slutkunden får betala för gasen via elräkningen.

En bra modell måste ge kapacitetskredit för kundfinansierad fossilfri effekt – annars blir det dyrt två gånger.

Vad betyder ”kapacitetskredit” i praktiken?

Kapacitetskredit (capacity value) är en metod för att värdera hur mycket en resurs faktiskt bidrar under de få topptimmar som dimensionerar systemet.

• En solpark har hög energinytta, men kapacitetsvärdet beror på när topparna inträffar (sommarkvällar? vintermorgnar?).
• Ett batteri kan få högt kapacitetsvärde om det är dimensionerat och styrt för att leverera under topptimmarna.
• ”Fast” fossilfri el (t.ex. geotermi, vissa former av kärnkraft, biokraft) har ofta stabilt kapacitetsvärde – men tar längre tid och är svårare att skala snabbt.

I Georgia vill stora kunder att elbolaget ska erkänna och ekonomiskt kreditera kapacitetsvärdet – ungefär som ett ”undviket kapacitetsbehov” som annars hade lösts med gas.

Där AI faktiskt gör skillnad: prognoser, styrning och verifiering

Det är lätt att prata om AI i energisammanhang som något abstrakt. Här är tre konkreta ställen där AI ger effekt i en CIR/BYONCE-modell – och där Sverige kan ligga före om vi bygger rätt.

1) Bättre lastprognoser för datahallar (och ärligare osäkerhet)

Datahallar pratar gärna om ”maxeffekt”, men verkligheten är mer nyanserad: GPU-kluster körs i batchar, kylning varierar med utetemperatur, redundans testas periodiskt och nya modeller kan ändra lastprofilen på månader.

Med AI-baserade prognosmodeller (kombination av tidsserier, driftsdata och scenarioanalys) kan man:

• separera installerad kapacitet från förväntad samtidighet
• göra sannolikhetsband (P50/P90) i stället för en enda siffra
• identifiera vilka timmar som är riskhändelser (topp + låg produktion)

Poängen: elnätet dimensioneras för risk, inte för marknadsföring.

2) AI-styrd flexibilitet: gör datahallen till en resurs, inte bara en last

Om datahallar ska få bygga ”egen grön el” bör de samtidigt förväntas bidra med flexibilitet. Här har AI en tydlig roll i realtid:

• lastflytt av icke-kritiska jobb (t.ex. träning av modeller) till timmar med låg systembelastning
• optimering av batterier för både energikostnad och kapacitetsnytta
• samordning mellan kylsystem, UPS, batterier och planerad redundans

En tumregel jag brukar använda: om du kan mäta det i realtid kan du också prissätta det i realtid. AI gör mätningen användbar och styrningen praktisk.

3) Mätbar ”additionalitet”: nya projekt som verkligen tillför ny fossilfri el

Kärnan i CIR är att kunden tar in nya resurser som annars inte hade byggts. Det är viktigt för klimatnytta, men också för nätets verkliga kapacitet.

AI kan stötta detta genom:

• automatisk spårning av produktionsdata mot nätets belastningskurvor
• verifiering av att batterier körs för topplast, inte bara för arbitrage
• rapportering som knyter ihop energimängd, tidpunkt och systemnytta

Det gör det lättare för regulatorer och nätägare att säga ja – och för kunderna att visa att de menar allvar.

Vad Sverige kan ta med sig 2026: tre designprinciper

Sverige har andra marknadsregler än Georgia, men utmaningen är densamma: snabb lastökning + trög infrastruktur + krav på fossilfrihet. Här är tre principer jag tycker vi bör hålla fast vid när datahallar, industri och nät planeras.

1) ”Den som skapar topplast ska bära topplastkostnaden”

Om en ny stor kund driver fram nätförstärkningar och kapacitetsbehov ska kostnaderna speglas i anslutningsvillkor och tariffer. Annars hamnar notan på hushåll och mindre företag.

Det betyder inte att man ska stoppa etableringar. Det betyder att prissignalerna måste vara ärliga.

2) Kapacitetsvärde måste kunna räknas hem för fossilfria resurser

Ska en datahall investera i sol + batteri (eller andra fossilfria resurser) måste modellen belöna att den investeringen faktiskt minskar systemets toppkostnad.

Konkreta byggblock:

• definiera topptimmar (regionalt, säsongsvis)
• sätt tydliga krav på tillgänglighet och varaktighet (t.ex. 2–4 timmar)
• ge kapacitetskredit eller tariffreduktion när kraven uppfylls

3) AI-krav bör in i upphandlingen – inte som ”innovation”, utan som standard

När man pratar om smarta elnät blir AI ofta en pilot vid sidan av. Jag tycker tvärtom: AI ska in i kärnprocessen.

• krav på prognosprecision och scenariohantering
• krav på realtids-API:er för mätdata och styrsignaler
• krav på verifierbar rapportering av flexibilitet och systemnytta

Det här gör att ”egen grön el” inte bara blir en klimatetikett, utan en stabil del av elsystemet.

Vanliga följdfrågor (och raka svar)

Är det rimligt att datahallar bygger egen el?

Ja – om projekten är additionella, nätintegrerade och prissätts så att systemnytta premieras. Annars riskerar man greenwashing eller kostnadsövervältring.

Räcker sol och batterier för att ersätta gas som topplast?

Inte alltid. Men de kan kapa mycket av de dyraste topptimmarna, särskilt om de dimensioneras för kapacitet och styrs smart. För resterande timmar behövs ofta en mix: flexibilitet, lagring med längre varaktighet, nätförstärkningar och ibland planerbar produktion.

Var kommer AI in utan att bli en ”svart låda”?

AI ska användas där den kan verifieras: prognoser mot utfall, styrning mot mätbar respons och rapportering som går att revidera. Transparens är en designfråga, inte ett hinder.

Nästa steg: från policyidé till praktiskt elsystem

Georgias CIR-förslag visar att även trögrörliga elmarknader kan öppna för mer kunddriven fossilfri el – och att det kan minska risken för överinvesteringar i gas när efterfrågan är osäker. Men utan korrekt hantering av kapacitetsvärde finns en tydlig risk: att man bygger dubbelt och betalar dubbelt.

För oss som jobbar med AI inom energi och hållbarhet är lärdomen tydlig. Den stora vinsten är inte att AI ”effektiviserar lite” – den stora vinsten är att AI hjälper oss att:

• prognostisera efterfrågan med realistisk osäkerhet
• styra flexibilitet så att den faktiskt träffar topptimmarna
• bevisa systemnytta så att regulatorer vågar godkänna nya modeller

Om 2026 blir året då datahallar och annan elintensiv verksamhet på allvar möter effektfrågan i Sverige, vilken del vill du att din organisation ska vara bäst på: prognoser, flexibilitet – eller att sätta spelreglerna?