Grön vätgas från havsvatten – och dricksvatten på köpet

200 milliliter vätgas i timmen låter inte som något som förändrar världen. Men när den siffran kommer från en 10 × 10 cm prototyp som drivs av naturligt solljus och använder havsvatten direkt (utan dyrt ultrarent vatten), då börjar det bli intressant.

Forskare vid Cornell och flera partneruniversitet har visat en hybridlösning där solceller och avsaltning jobbar ihop: elektriciteten går till elektrolys, spillvärmen går till destillation. Resultatet är grön vätgas – och som en oväntat praktisk bieffekt: drickbart vatten.

För dig som följer vår serie ”AI inom energi och hållbarhet” är det här extra relevant. Tekniken i sig är stark, men den stora frågan är: hur skalar man den smart, billigt och stabilt i verkliga miljöer? Där kommer AI in – inte som pynt, utan som drift- och affärskritisk komponent.

Varför vätgas ofta fastnar på en tråkig detalj: vatten

Svar direkt: Grön vätgas är dyr delvis för att elektrolys i praktiken kräver högkvalitativt (avjoniserat) vatten, vilket driver kostnad, logistik och tillstånd.

Det pratas mycket om elpriser och nätanslutning, men vattenfrågan hamnar ofta i skymundan. Ändå är den central:

• Elektrolysörer mår bäst av mycket rent vatten för att undvika beläggningar, korrosion och effektivitetstapp.
• Att rena vatten till rätt kvalitet kräver anläggning, energi och underhåll.
• På platser där solinstrålning och yta är god (kust, öar, torra regioner) är sötvatten ofta begränsat.

Det är därför många vätgasprojekt, även med bra elavtal, får en extra kostnads- och riskpost: vattenberedning och vattenförsörjning.

Cornell-gruppens idé attackerar exakt den flaskhalsen: använd havsvatten och gör den nödvändiga reningen på plats med värme som ändå skulle gått förlorad.

Tekniken bakom: när spillvärme blir en resurs

Svar direkt: Hybridlösningen utnyttjar att solceller bara omvandlar en del av solenergin till el; resten blir värme som kan driva avsaltning.

De flesta kommersiella solceller omvandlar en begränsad del av inkommande solenergi till elektricitet. Resten blir spillvärme som ofta mest är ett problem (varma paneler ger sämre verkningsgrad och slits snabbare).

Här vänds det problemet till något användbart:

1) Solen gör två jobb samtidigt

• Kortvågigt ljus bidrar till elproduktion i solcellen.
• Långvågigt ljus och spillvärme värmer upp havsvatten så att det avdunstar.

När vattnet avdunstar lämnas saltet kvar. Ångan kondenseras till rent vatten, som sedan matas till en elektrolysör där den delas upp i vätgas och syrgas.

2) Ingenting “slängs” i onödan

Det mest attraktiva här är inte att någon lyckats destillera vatten (det är gammal kunskap), utan att systemet är byggt för att använda hela solenergiflödet i ett integrerat steg.

Prototypen rapporteras producera cirka 200 ml vätgas per timme med 12,6 % energieffektivitet under naturligt solljus. Det är inte industriskala, men det är en tydlig demonstrationspunkt: havsvatten in, vätgas + rent vatten ut, utan nätel.

3) Potentiellt lägre kostnad på sikt

Forskargruppen bedömer att tekniken inom cirka 15 år kan bidra till att pressa kostnaden för grön vätgas mot 1 USD/kg. Det är ett riktvärde som ofta nämns som en nivå där vätgas kan konkurrera bredare i industrin.

Jag tycker man ska vara realistisk: vägen från prototyp till 1 USD/kg är lång. Men riktningen är rimlig – och vatten- och kylproblemet är en av de smartaste sakerna att lösa om man vill få ner totalpriset.

Där AI faktiskt gör skillnad: styrning, prognoser och underhåll

Svar direkt: AI kan höja systemnyttan genom att optimera drift i realtid, minska nertid och koppla ihop vätgasproduktion med elnätets behov.

När man kombinerar solcell, destillation och elektrolys får man ett system med flera dynamiska delar: temperaturer, flöden, salthalt, beläggning, varierande solinstrålning och laststyrning. Det här är en miljö där AI-baserad optimering ofta slår traditionella “om x så y”-regler.

AI i driftoptimering (realtid)

Målet är enkelt: maximera kg vätgas per investerad krona utan att slita sönder utrustningen.

AI kan till exempel:

• optimera flödeshastighet för havsvatten för att få jämn avdunstning och minska saltansamling
• styra temperaturprofil så att destillation ger tillräckligt rent vatten med minimal värmeförlust
• välja driftpunkt för elektrolysören utifrån aktuell elproduktion från solcellen

Det handlar om klassisk multivariat optimering. Och ja, det går utan AI också – men i praktiken blir det ofta “bra på labbet, svajigt i fält” om man inte har adaptiv styrning.

Prediktivt underhåll (där pengarna ofta läcker)

Salt, fukt, värme och metall är en tuff kombination. I kustmiljöer är korrosion och beläggningar verkliga kostnadsdrivare.

Med sensordata (temperatur, tryck, konduktivitet, flöden, spänningskurvor i elektrolysören) kan AI-modeller:

• upptäcka tidiga tecken på fouling och beläggning
• förutsäga när membran eller elektroder tappar prestanda
• planera service när den kostar minst (och innan haveri)

Det här är en av de tydligaste “lead”-kopplingarna i energibranschen just nu: företag vill inte bara ha en pilot – de vill ha förutsägbar driftskostnad.

Prognoser och smart energiplanering

Vätgasproduktion är extra värdefull när den kan anpassas:

• till solinstrålning (timprognoser)
• till elpris (om anläggningen är nätkopplad)
• till lokalt behov (industri, hamnar, transporter)

AI används redan i Sverige för att prognostisera last och produktion i energisystem. Att koppla samma logik till vätgas innebär att man kan köra elektrolys när det är mest rationellt – och lagra vätgas när det behövs.

En bra tumregel: Vätgas blir inte billig för att elektrolysören är billig. Den blir billig när hela systemet körs smart och stabilt 8 000 timmar om året.

Svenska användningsfall: var dubbelnyttan är störst

Svar direkt: Tekniken passar bäst där sötvatten är begränsat, där solparker blir varma och där vätgas kan användas lokalt – särskilt i kustnära kluster.

Sverige har gott om vatten, så “dricksvatten på köpet” känns kanske mindre akut än i torra regioner. Men dubbelnyttan kan ändå vara relevant i flera svenska sammanhang:

Kustnära industrikluster och hamnar

Hamnar, raffinaderiomställning, stål, kemi och framtida e-bränslen är ofta kustnära. Där finns:

• god tillgång till havsvatten
• behov av energibärare
• logistik för distribution

Om man kan integrera sol + vattenrening + elektrolys i samma “paket” minskar komplexitet i infrastrukturen.

Solparker som behöver kylning

Forskarna ser möjlighet att integrera tekniken i solparker för att kyla paneler och därmed höja effektivitet och livslängd.

Det är en praktisk detalj som många underskattar. Paneltemperatur påverkar prestanda, och över tid påverkar värmestress livslängd. Om kylning dessutom skapar rent vatten till elektrolys får man en mer sammanhängande ekonomi.

Off-grid och robusthetslösningar

För öar, kustnära samhällen och beredskapslösningar kan ett system som:

• inte kräver färskvatten
• inte kräver nätanslutning
• producerar lagringsbar energi (vätgas)

…vara ett relevant komplement. Inte som ersättning för allt, men som en del av en robust energimix.

Frågor som måste lösas innan skala: kostnad, material och miljö

Svar direkt: Skalning kräver bevisad livslängd i salt miljö, hantering av saltavfall och en tydlig plan för vattenkvalitet och säkerhet.

När något fungerar på labbet är nästa steg nästan alltid “tråkigt”:

Materialval och korrosion

Havsmiljö är obarmhärtig. För kommersialisering behövs:

• korrosionsresistenta material
• tydliga rengöringscykler
• design som minimerar igensättning

AI kan hjälpa till att upptäcka problem tidigt, men den kan inte trolla bort dåliga materialval.

Saltet som blir kvar

Avsaltning betyder att salt hamnar någonstans. I liten skala är det en icke-fråga; i stor skala blir det logistik och miljö:

• uppsamling
• hantering/återvinning
• utsläppskontroll

Vattenkvalitet och standarder

“Potable water” i forskningssammanhang behöver översättas till verkliga krav: mätning, certifiering och hygien. För industriell elektrolys är kraven dessutom specifika (jonhalt, partiklar, organiska föroreningar).

Praktiska nästa steg för företag: så testar ni utan att bränna budgeten

Svar direkt: Börja med datainsamling och styrning som om ni redan vore i skala, och kör en pilot där AI får ett tydligt mål: stabilitet och drifttid.

Om du sitter på ett energibolag, en kommun, en industri eller en utvecklare av vätgasprojekt, är här vad som brukar fungera i praktiken:

1. Definiera ett konkret optimeringsmål: t.ex. “maximera H₂ per dag med <X> ppm salt i matarvattnet” eller “minimera nertid per månad”.
2. Instrumentera piloten tidigt: temperaturer, konduktivitet, flöden, tryck, elkurvor. Utan data blir AI en gissningslek.
3. Bygg en digital tvilling light: en enkel modell som kan jämföras med verkligheten. Den räcker långt för att hitta felkällor.
4. Planera för underhåll som en del av affären: saltmiljö kräver rutiner. AI ska minska kostnaden, inte maskera den.
5. Tänk användning före produktion: var ska vätgasen användas (process, mobilitet, reservkraft)? Lokalt värde slår “vi säljer sen”.

Vad betyder detta för “AI inom energi och hållbarhet” 2026?

Grön vätgas från havsvatten är inte bara en smart kemiteknisk idé. Det är ett exempel på en större trend: energisystem byggs allt oftare som integrerade, sensorintensiva helheter. Sol, värme, vatten, kemi och lagring sitter ihop.

Och när allt sitter ihop blir AI inte ett sidoprojekt. AI blir sättet vi håller systemet stabilt, billigt och skalbart – med prognoser, optimering och underhåll som fungerar i verklig drift.

Om du planerar ett vätgasinitiativ 2026 är frågan därför inte bara “vilken elektrolysör ska vi köpa?” utan: hur ska vi styra anläggningen så att den levererar varje dag – även när solen, saltet och marknaden varierar?