Förnybart minskar inte alltid fossil produktion – så hjälper AI

När fler vindkraftverk och solparker kopplas in är det lätt att anta att kol, olja och gas automatiskt backar. Men en studie på fossilproducerande delstater i USA (1997–2020) visar något mer obekvämt: ökad produktion av förnybar energi hängde inte ihop med minskad fossil bränsleproduktion. Med andra ord kan båda kurvorna stiga samtidigt.

Det här är inte bara en amerikansk detalj. Det är en varningsskylt för alla som jobbar med energiomställning – inklusive svenska energibolag, kommuner och industrikoncerner som planerar för elektrifiering, nya effektbehov och skärpta klimatkrav. Och det är här vår serie AI inom energi och hållbarhet blir konkret: om inte marknaden och infrastrukturen självmant tränger undan fossilt, behöver vi styra smartare. AI är ett av få verktyg som kan göra styrningen både snabb, billig och skalbar.

Varför mer förnybart inte automatiskt tränger undan fossilt

Kärnan är att energisystemet är ett produktions- och investeringssystem, inte ett moraltest. Om efterfrågan växer, om exportmarknader är lönsamma eller om fossil produktion är ”inlåst” i befintliga tillgångar, kan förnybart bli ett tillägg snarare än en ersättning.

Studien pekar särskilt på att fasta delstatsspecifika faktorer förklarade över 96 % av variationen i fossil produktion – till exempel tillgången på fyndigheter, befintlig industri, infrastruktur och politisk ekonomi. Översatt till europeiska och svenska förhållanden: där det finns starka industriella strukturer, hamnar, pipelines, raffinaderier, långsiktiga kontrakt och kompetenskluster blir omställning trögare än vi gärna erkänner.

Tre mekanismer som ofta missas i omställningsplaner

1) Efterfrågan kan växa snabbare än omställningen. Elektrifiering av industri och transport ökar elanvändningen. Samtidigt kan fossil produktion fortsätta för export eller för sektorer som inte ställer om lika fort.

2) Investeringar och tillstånd skapar tröghet. Bygger du en anläggning (oavsett teknik) vill du köra den många år för att räkna hem investeringen. Det gäller även fossil.

3) Geografi och nät begränsar undanträngning. Förnybart byggs där resursen är bra (vind, sol, vatten). Fossilt produceras där det finns fyndigheter. Om nätkapacitet och marknader inte kopplar ihop allt effektivt kan båda systemen samexistera istället för att konkurrera ut varandra.

Vad det betyder för Sverige 2025: vi behöver planera för effekt, inte bara energi

Sverige har ett annat utgångsläge än USA – men vi har samma typ av systemproblem. Under vintern är det inte årsenergin som avgör, utan timmarna med hög belastning: kalla vardagsmorgnar, industrins toppar, vindstilla högtryck och nätflaskhalsar.

Här blir det tydligt varför ”mer förnybart” inte räcker som strategi. Om vi bara räknar TWh och installerade MW riskerar vi att:

• överinvestera i produktion som inte kan leverera när systemet behöver det
• underskatta behovet av flexibilitet (laststyrning, lagring, styrbar produktion)
• få ökade kostnader för balans, reserver och nätutbyggnad

Det är också här diskussionen om fossil ”backup” eller import kan smyga sig in. Inte för att någon vill – utan för att systemet inte planerats i detalj.

En mer praktisk tumregel

Energiplanering som inte innehåller timdata blir ofta önsketänkande. Årsmedelvärden döljer det som kostar pengar: toppar, rampningar och lokal kapacitetsbrist.

AI som motmedel: från antaganden till mätbar undanträngning

AI hjälper inte för att den är ”smart”, utan för att den klarar komplexitet i hög upplösning. Om fossil produktion inte minskar av sig själv behöver vi kunna:

1. mäta vad som faktiskt trängs undan (och när)
2. förutsäga systemeffekter innan vi investerar
3. styra flexibilitet i drift – i realtid

1) Prediktiv planering: prognoser som tar höjd för verkligheten

Energisystemet är fullt av osäkerheter: väder, priser, industrilaster, nätbegränsningar, elbilsbeteenden, tillgänglighet i kraftverk och marknadsregler.

Maskininlärning kan kombinera dessa signaler till bättre kort- och medellångsiktiga prognoser för last, produktion och obalanser. Vinsten är konkret: bättre prognoser minskar behovet av dyra marginalreserver och gör det lättare att planera drift så att fossil spets inte blir standardlösningen.

Praktiskt exempel (svensk kontext):

• vind- och solprognoser på anläggningsnivå
• lastprognoser per nätområde och större industriell nod
• prissignaler som driver flexibilitet (t.ex. via styrning av värmepumpar och laddning)

2) Optimering av flexibilitet: få samma effekt utan mer produktion

Den snabbaste ”nya” effekten är ofta den du slipper använda. AI-baserad optimering kan orkestrera flexibilitet hos:

• fastigheter (värme, ventilation, kyla)
• laddinfrastruktur för elfordon
• industriprocesser med tidsfönster
• batterilager och termiska lager

Det som gör AI relevant är att den kan lösa problemet under begränsningar: komfortkrav, produktionstakt, avtal, nätkapacitet och elpris – och ändå leverera en styrplan som fungerar i drift.

En enkel men kraftfull princip: Flexibilitet är en resurs först när den är mätbar, verifierbar och styrbar timme för timme.

3) Utsläppsintelligens: koppla styrning till faktiska emissioner

Om målet är minskade utsläpp räcker det inte att räkna förnybar andel. Vi behöver marginalperspektivet: vilken produktion påverkas när vi ökar/ minskar last en viss timme?

AI kan bidra genom att:

• uppskatta marginalemissioner per timme (baserat på produktionsmix, import/export, flaskhalsar)
• prioritera styrning när klimatnyttan är störst
• skapa rapporter som håller för intern styrning, revision och hållbarhetsrapportering

För många organisationer jag pratat med är detta en ögonöppnare: det blir tydligt att klimatnyttan av samma åtgärd kan variera kraftigt mellan olika timmar och säsonger.

Politik och affär: varför ”bygg mer” måste kompletteras med ”styr ner”

Studien från USA landar i en jobbig men rimlig slutsats: om målet är mindre fossil produktion kan det kräva policy som riktar sig direkt mot fossil produktion – till exempel skatter, tak eller krav på att reserver stannar i marken.

Svenska och europeiska verktyg ser annorlunda ut, men logiken är densamma: du får inte automatiskt substitution bara för att du ökar utbudet av ett alternativ.

Vad organisationer kan göra utan att vänta på nya regler

Du kan skapa undanträngning operativt genom hur du planerar, upphandlar och styr. Här är en praktisk lista som ofta ger effekt inom 3–12 månader:

1. Sätt ett mål som går att verifiera: t.ex. ”minska köpt fossilintensiv el under topp 07:00–09:00 vintervardagar” snarare än ”öka förnybar andel”.
2. Inför timbaserad uppföljning: följ last, kostnad, CO₂ och flexibilitetsutfall per timme.
3. Identifiera 3–5 styrbara laster: börja där styrbarheten är hög och verksamhetsrisken låg.
4. Simulera innan du investerar: använd scenarier för väderår, priser, nät och effektbehov.
5. Bygg en datagrund: mätpunkter, datakvalitet, integrationer och en ägare för energidata.

AI blir mest värdefull när den kopplas till beslutsprocesser: investeringskalkyler, driftstrategier och uppföljning i ledningen – inte som en fristående ”dashboard”.

Vanliga följdfrågor (och raka svar)

Betyder det här att förnybart är meningslöst?

Nej. Förnybart är nödvändigt, men det är inte en garanti för minskad fossil produktion om systemet samtidigt växer eller om fossil hålls uppe av andra drivkrafter.

Är problemet produktion eller konsumtion?

Båda. Minskade utsläpp kräver att fossil energi används mindre, och på många marknader hänger användning ihop med produktion. Men om produktionen kan exporteras eller lagras (t.ex. olja/gas) kan lokal förnybar utbyggnad ge svag undanträngning utan kompletterande styrmedel.

Var passar AI bäst in: elnät, fastigheter eller industri?

Där du har tre saker: mycket data, många beslut per dygn och tydliga begränsningar. Det är ofta smarta elnät, större fastighetsportföljer och elintensiv industri.

Nästa steg: gör undanträngning till ett designkrav

Om 2025 handlar om något i energiomställningen så är det detta: vi går från ambitioner till systemdesign. Att bygga förnybart är en stor del av jobbet. Men utan mätning, styrning och optimering kan vi hamna i läget där både förnybart och fossilt växer – och då blir klimatmålen dyrare än de behöver vara.

I vår serie AI inom energi och hållbarhet återkommer samma mönster: de organisationer som lyckas är de som behandlar energi som en styrbar process, inte som en fast kostnadspost. AI gör det möjligt att skala den styrningen.

Vill du veta var AI ger snabbast effekt i just er energimix – prognoser, flexibilitet eller utsläppsoptimering? Börja med en enkel nulägesbild på timnivå och se vilka beslut ni tar ”på känsla” idag. Det är nästan alltid där de första leadsen till verklig klimat- och kostnadsnytta finns.