El från regn: så kan AI göra varje droppe smart

En siffra som fastnar: forskare har visat att fallande vatten i ett enkelt rör kan omvandla över 10 % av energin i fallet till elektricitet – och dessutom ge upp till 100 000 gånger mer el än samma vatten i ett jämnt flöde. Inte i ett vattenkraftverk, utan i ett tunt, lodrätt plaströr där regnliknande droppar skapar ett särskilt flödesmönster.

Det här är mer än en kul labbdemo. För oss som jobbar med AI inom energi och hållbarhet är poängen tydlig: nya, småskaliga energikällor kommer inte att vinna på rå effekt, utan på smart integration. När elproduktionen är oförutsägbar och utspridd – tak, fasader, innergårdar – blir AI, prognoser och styrning i smarta elnät minst lika viktiga som själva hårdvaran.

Så fungerar el från regndroppar – utan turbin

Det avgörande är laddningsseparation (triboelektriska/elektrokinetiska effekter): när vatten rör sig mot en yta kan elektriska laddningar förskjutas, ungefär som när du får statisk elektricitet av en ballong mot huden. Skillnaden här är att forskarna har hittat ett flödesläge som gör fenomenet praktiskt användbart.

I stället för ett jämnt vattenflöde genom röret skapar man så kallat ”plug flow”: korta vattenpelare som varvas med luftfickor. När dropparna träffar rörets öppning uppstår en ”stöt” som gör att vattnet delar upp sig i dessa segment. Resultatet blir att en större del av interaktionen mellan vatten och rörvägg används till laddningsseparation – och att den insamlade strömmen blir dramatiskt högre.

En detalj jag gillar här: lösningen försöker inte pressa vatten genom extremt smala mikrokanaler (som ofta kräver pumpar och äter upp energivinsten). Den utgår från hur regn faktiskt beter sig och använder en kanalstorlek som regn kan passera.

Labuppställningen i korthet (och varför den är intressant)

Forskarna använde:

• ett lodrätt polymerrör, ca 32 cm högt och 2 mm i diameter
• regnliknande droppar som matades in uppifrån
• uppsamling i en kopp längst ned
• elektroder vid rörets topp och i uppsamlingen för att fånga upp elektriciteten

Med fyra parallella rör kunde de driva 12 LED-lampor i 20 sekunder.

Det är inte ”gratis el till villan” än. Men det är ett robust bevis på att droppfysik + material + rätt flödesmönster kan skapa en ny nisch i energimixen.

Varför det här spelar roll i Sverige (särskilt i vinter)

Svensk energidebatt fastnar ofta i antingen storskaligt (vindparker, kärnkraft, stora batterier) eller i klassisk mikroproduktion (solceller på tak). Regnenergi låter först som ett sidospår. Men i december 2025 är det exakt den här typen av idé som blir intressant, av tre skäl:

1. Sol är säsongsberoende. I stora delar av Sverige är solproduktionen låg vintertid. Samtidigt har vi ofta mer nederbörd och fler lågtryck.
2. Städer behöver fler ytor att ”arbeta med”. Takytor är redan hett eftertraktade för sol, ventilation, grönska och teknik. En regnenergimodul som kan integreras i befintliga avvattningssystem är en annan typ av ytnyttjande.
3. Resiliens handlar om redundans. Små, många och olika energikällor kan tillsammans göra fastigheter och stadsdelar mindre sårbara – men bara om de styrs smart.

Här kommer min tydliga ståndpunkt: Småskalig förnybar energi utan intelligent styrning blir mest en pryl. Med AI blir den en resurs.

Där AI faktiskt gör skillnad: från droppar till användbar el

Regnenergi är per definition intermittent. Den kommer i skurar, varierar i intensitet och påverkas av vind, temperatur och takgeometri. Det är här AI passar naturligt – inte som ”magi”, utan som verktyg för att få ut mer nytta av samma fysiska system.

1) Prognoser som styr driftläge och lagring

Nyckeln är att koppla regnenergi till korttidsprognoser:

• nederbördsprognos (0–6 timmar) för att planera när systemet kan ge effekt
• mikrolokala modeller som tar hänsyn till byggnadens höjd, vindutsatthet och avrinningsmönster
• beslut om när man laddar ett litet batteri/superkondensator kontra när man matar in på en DC-buss i fastigheten

AI-modeller (t.ex. gradient boosting eller sekvensmodeller) kan tränas på:

• väderdata
• regnintensitet från taksensorer
• historisk producerad spänning/ström per rörmodul

Målet är inte perfekta prognoser. Målet är bättre beslut: när ska energin användas direkt, när ska den lagras, och när är det inte värt att ens aktivera vissa laster.

2) Smart laststyrning i byggnader

Regnenergi kommer troligen börja som mikroeffekt – men även mikroeffekt kan vara värdefull om man matchar den mot rätt typ av last:

• sensornätverk (CO₂, temperatur, fukt, närvaro)
• IoT-gateways
• nödbelysning i trapphus/garage
• laddning av små batterier för drift vid avbrott

AI-baserad energistyrning kan prioritera ”alltid på”-laster när regnet kommer. Det gör skillnad för både driftskostnad och robusthet.

3) Underhåll och felupptäckt: den tråkiga vinsten som betalar sig

All teknik som sitter på tak eller i stuprör får en verklighet med:

• smuts, pollen, löv
• isbildning
• UV-åldrande
• varierande vattenkemi

AI för prediktivt underhåll kan använda enkla signaler:

• avvikande spänningskurvor vid samma regnintensitet
• ovanliga ”dropouts” som tyder på igensättning
• långsam degradering som pekar på materialutmattning

Det är inte lika sexigt som att ”skapa el av regn”, men det är ofta här ROI faktiskt skapas.

Från labb till tak: vad som måste lösas först

Tekniken är lovande, men flera frågor måste knäckas innan regnenergi blir en seriös komponent i fastigheter eller smarta elnät.

Skalbarhet och verklig energinytta

Att tända 12 LED i 20 sekunder visar att konceptet fungerar. Nästa nivå är att visa:

• stabil effekt vid varierande nederbörd (duggregn vs skyfall)
• hur många rörmoduler som krävs per takyta för meningsfull energi
• systemverkningsgrad över tid, inte bara i labb

Min erfarenhet från energiprojekt: det är sällan fysiken som fäller små system – det är integration, drift och underhåll.

Säkerhet och standarder

För byggnadsnära el behövs:

• säkra kapslingar
• tydlig elektrisk isolation och jordning
• hantering av fukt och kondens
• kompatibilitet med fastighetens elsystem (troligen via DC/DC och batteri)

Klimatfrågan: frost, snö och blandad nederbörd

Sverige har en extra utmaning: delar av året får vi snö eller slask. Det kan betyda:

• lägre flöde i rören
• risk för isproppar
• behov av design som kan tömma sig själv eller vara frosttålig

Här finns en intressant AI-vinkel: ett system som ”vet” när risk för isbildning uppstår kan gå i skyddsläge och larma innan skada sker.

Praktiska användningsfall: så kan det se ut i en smart stad

Om jag skulle placera regnenergi i en realistisk roadmap för urbana miljöer, skulle jag börja med tre nivåer.

Nivå 1: Off-grid mikrolaster

Först: försörj sensorer och kommunikationsnoder.

• minimal kravbild på effekt
• stor nytta av lokal autonom drift
• lätt att mäta värde (mindre batteribyten, bättre driftsäkerhet)

Nivå 2: Fastighets-DC och energihubb

Nästa steg är att mata in i en liten energihubb:

• regnenergi + solceller + batteri
• AI-styrd prioritering av laster
• optimering mot effekttoppar (särskilt relevant med effekttariffer)

Nivå 3: Agregering i smarta elnät

Till sist: när många byggnader har många små resurser blir aggregering centralt.

AI kan agera ”orkesterledare”:

• samla produktion från tusentals mikrokällor
• förutsäga tillgänglighet
• samordna efterfrågeflex (t.ex. ventilation, värmepumpar, laddning)

Det är här regnenergi blir mer än en kuriositet: inte som en ersättare till vattenkraft eller vind, utan som en komplementär källa som fyller luckor och stärker lokala system.

Vanliga följdfrågor (och raka svar)

Kan detta ersätta solceller?

Nej. Solceller är redan mogen teknik med hög energitäthet. Regnenergi kan däremot bli ett bra komplement, särskilt när solproduktionen är låg.

Är 10 % verkningsgrad ”bra”?

För ett helt nytt koncept i labb är det starkt. Men det viktiga är systemverkningsgrad i verklig miljö över tid, inklusive förluster i elektronik och lagring.

Var passar AI in rent konkret?

I tre saker: prognoser, styrning och underhåll. Det är exakt de delar som avgör om små, intermittenta energikällor blir användbara.

Nästa steg för företag och kommuner som vill ligga före

Om du jobbar med energi, fastigheter eller smarta städer finns det ett praktiskt sätt att angripa detta redan nu – utan att vänta på ”perfekt” teknik:

1. Kartlägg takens avvattningssystem: var finns fallhöjd, var finns serviceåtkomst, var är det enkelt att mäta flöde?
2. Bygg en datagrund: börja logga nederbörd lokalt (enkel sensor räcker), energiförbrukning i fastigheten och effekttoppar.
3. Pilotera AI-styrning med befintliga resurser: sol + batteri + laststyrning. När nya källor som regnenergi tillkommer är plattformen redan på plats.

Det här är också min favoritprincip i hållbarhetsarbete: se till att styrsystemet är redo innan du lägger till fler komponenter.

”Framtidens energisystem vinns inte av den som bygger en källa – utan av den som kan samordna många.”

Regnenergi via plug flow visar att även något så vardagligt som ett stuprör kan bli en del av energilösningen. Frågan för 2026 är därför inte om vi kan få ut el ur regn. Det har forskningen redan visat. Frågan är vilka aktörer som först gör det mätbart, driftsäkert och integrerat – med AI som hjärnan i systemet.