Lagra värme i marken: så blir jorden ditt energilager

Vintern 2025 påminner oss om en sak: värme är dyrt när du behöver den som mest. Samtidigt slösar vi värme hela tiden. Den sipprar ut från byggnader, försvinner i processer och blir en “förlustpost” i energibalansen. Most companies get this wrong: man jagar bara effektivare produktion – men missar lagringen.

Det fina? Lösningen ligger bokstavligen under fötterna. Forskare vid Kaunas University of Technology har visat att jord kan fungera som ett effektivt värmelager – och att det kan göras både passivt (under en byggnad) och aktivt (med en markbaserad ackumulator). För oss som jobbar med AI inom energi och hållbarhet är det extra intressant: marklager är en trög men stabil resurs, och just därför passar den perfekt för AI-styrning, prognoser och smarta energisystem.

Det här är inte en “kul idé för framtiden”. Det är en realistisk pusselbit för att:

• kapa effekttoppar i fjärrvärme och elnät,
• göra mer nytta av vind- och solöverskott,
• minska värmeförluster från byggnader,
• och få bättre kontroll på säsongsvariationer.

Marken som värmelager – vad är poängen?

Poängen är enkel: flytta värme i tid. När värme finns i överskott (dagtid, blåsiga timmar, industriell spillvärme, vår/höst) kan den lagras och användas när efterfrågan toppar (kalla morgnar, köldknäppar, höglast i nätet).

Till skillnad från batterier lagrar marken värme, inte el. Det gör tekniken särskilt relevant i Sverige där:

• uppvärmning dominerar energibehovet stora delar av året,
• fjärrvärme är utbrett,
• och elnätet pressas av simultana effekttoppar (kalla dagar + elektrifiering).

En snärtig tumregel som ofta stämmer i praktiken: det är ofta billigare att lagra och flytta värme än att bygga ny effektproduktion för de få timmarna per år då allt peakar.

Två vägar: passiv och aktiv termisk lagring

Forskarna beskriver i praktiken två närliggande idéer:

1. Passiv termoackumulering under byggnader

   • Byggnader läcker värme nedåt i marken.
   • Om markvolymen under huset isoleras och utformas rätt kan den värmen stanna kvar längre.
   • Resultat: lägre värmeförlust och bättre energieffektivitet.

2. Aktiv markbaserad värmeackumulator

   • Överskottsvärme “laddas” in i marken med en kontrollerad värmekälla och sprids i jordlagren.
   • Värmen “plockas upp” senare för att värma byggnader eller stötta ett nät.

Båda är intressanta. Den passiva varianten kan vara en lågtröskelåtgärd vid nybyggnation. Den aktiva är mer systemorienterad och ger större flexibilitet.

Varför jord faktiskt kan vara effektivt (mer än du tror)

Marken är en stor, billig massa med stabil temperatur och långsam dynamik. Just den långsamheten gör att lagret kan sträcka sig över dagar, veckor – och i vissa upplägg över säsonger.

Forskargruppen värmde ytligare jordlager och mätte hur värmen spreds, hur snabbt den rörde sig och hur länge den dröjde kvar. Ett extra intressant fynd handlar om vatten i jorden.

Fasomvandling: när vatten i marken blir en värmebuffert

När jord värms upp så att fukt börjar avdunsta sker en fasomvandling (vatten → ånga). Det kräver mycket energi, vilket i sin tur innebär att mer värme kan “laddas” in i marken utan att temperaturen sticker iväg okontrollerat.

Dessutom kan ångan röra sig genom jordens porer och transportera energi. I experimenten såg man tydliga temperaturhopp där ångflödet nådde fram. Det är ett praktiskt styrtecken: värmeflytten är inte bara passiv diffusion – den kan påverkas.

Det här är viktigt för design:

• Jordtyp, porositet och fukthalt påverkar lagringskapacitet och spridning.
• Temperaturgränser måste dimensioneras så att man inte skapar oönskade fuktproblem under byggnader.
• Sensorik blir central: utan mätning famlar man i blindo.

Så kan AI göra marklagring användbar i verkligheten

Marklager är bra på att lagra, men sämre på att “snabbt svara”. Där kommer AI in. Jag har sett att projekt med termiska system ofta faller på samma sak: man bygger hårdvaran, men styrningen blir en eftertanke. Då tappar man både ekonomi och klimatnytta.

AI kan ge tre konkreta fördelar:

1) Prognosstyrning över dagar och säsonger

AI-modeller kan kombinera:

• väderprognoser (temperatur, vind, solinstrålning),
• historisk värmelast,
• elpris/fjärrvärmepris,
• byggnadens termiska beteende,
• och markens temperaturprofil.

Resultat: systemet kan fatta beslut som en skicklig drifttekniker – fast varje timme.

Exempel på beslutslogik:

• Ladda marklagret extra när elen är billig och vindproduktionen hög.
• Håll igen laddning när marken riskerar att bli för varm/fuktvandring ökar.
• Prioritera urladdning när fjärrvärmenätet närmar sig effekttaket.

2) Optimal effektkapning i fjärrvärme och fastigheter

I Sverige är effekttariffer och effekttoppar ofta det som gör mest ont. AI-styrning kan optimera mot ett tydligt mål: minimera toppeffekt utan att försämra komfort.

Det fungerar särskilt bra när marklagring kombineras med:

• värmepumpar,
• ackumulatortankar inomhus,
• ventilationsåtervinning,
• och styrning av byggnadens termiska tröghet.

3) Diagnostik och livslängd: upptäck värmeläckor i tid

Marksystem är svåra att “se”. Men med sensorer (temperatur på djup, fukt, flöden) och AI kan du bygga avvikelsedetektion:

• onormala temperaturgradienter kan signalera isoleringsproblem,
• oväntad återkylning kan tyda på grundvattenpåverkan,
• förändrat fuktmönster kan varna för risk i konstruktion.

Det här är klassisk smart drift – och en ganska underskattad väg till snabb ROI.

Praktiska användningsfall i svensk kontext

Det mest realistiska är inte “en ny pryl”, utan en kombination av flera befintliga tekniker. Forskarna pekar också på att man vill integrera lösningar som borrhål, pålar och andra värmeväxlingsmetoder.

Här är tre användningsfall som passar svenska förutsättningar:

1) Bostadsrättsförening eller flerbostadshus med värmepump

Direkt nytta:

• lagra överskott från värmepump när elpriset är lågt,
• minska morgonspetsar när alla duschar och ventilationen går upp,
• jämna ut drift och minska slitage.

AI-värdet:

• lastprognoser + styrning mot effekttariff.

2) Fjärrvärmenät med sommaröverskott och vintertoppar

Fjärrvärme har ofta spillvärme, industriell värme eller låg last på sommaren. Marklager kan:

• fungera som buffert,
• minska behov av dyr spetslast (t.ex. olja/biobränsle under extrema timmar),
• stabilisera produktionen.

AI-värdet:

• modellprediktiv styrning (MPC) som optimerar mot pris, effekt och temperaturkrav.

3) Industriområde med spillvärme

Många industrier har värme som “bara finns där” och som idag kyls bort.

Marklager kan:

• samla spillvärme och använda i lokala fastigheter,
• stötta processvärme eller uppvärmning i skift.

AI-värdet:

• matcha spillvärmeprofiler med behov och minska behov av inköpt energi.

Snippet att bära med sig: Marklager gör inte energisystemet snabbare – det gör det stabilare. AI gör stabiliteten styrbar.

Vanliga frågor (och raka svar)

Fungerar marklagring även för kyla?

Ja. Samma princip kan användas för att lagra kyla eller “svalka” i marken och plocka upp den när kylbehovet stiger. Det är särskilt relevant för lokaler, datarum och byggnader med ökande sommartoppar.

Är det här bara relevant för nybyggnation?

Nej, men det är enklare där. Nybyggnation gör det lättare att isolera markvolym, placera sensorer och dimensionera systemet från start. I befintliga byggnader kan aktiva marklager via borrhål eller andra värmeväxlare vara mer realistiskt.

Vad är största risken?

Dålig design och ännu sämre styrning. Om man laddar “på känsla” kan man få onödiga förluster, fel temperaturer, eller fuktrelaterade problem. Marklager kräver mätning, modellering och tydliga driftgränser.

Så kommer du igång: en rimlig 90-dagars plan

Om du vill göra det här till ett riktigt projekt (och inte bara en idé i en powerpoint), funkar den här ordningen bra:

1. Förstudie (vecka 1–3)

   • Kartlägg värmelast, effekttoppar, spillvärme och energikostnader.
   • Identifiera om målet är säsongslagring, dygnsutjämning eller effektkapning.

2. Plats- och markanalys (vecka 2–6)

   • Jordtyp, fukt, grundvatten, befintliga konstruktioner.
   • Bestäm om passiv underbyggnad, borrhål eller hybrid passar bäst.

3. Sensor- och datagrund (vecka 4–8)

   • Planera temperaturmätning på flera djup, fukt, flöden.
   • Sätt dataplattform: tidsserier, larm, datakvalitet.

4. Styrstrategi med AI (vecka 6–12)

   • Starta enkelt: prognos för värmelast + regelstyrd laddning.
   • Gå vidare till optimering: effekttariff/pris/komfort.

5. Pilotdrift (vecka 10–13)

   • Kör kontrollerat, logga allt, justera gränser.

Marken under dig kan bli en del av energisystemet

Jordbaserad värmelagring är ett pragmatiskt sätt att göra energin mer användbar. Du tar värme som annars hade gått förlorad och gör den till en resurs. Kombinerat med AI får du dessutom något som många energiprojekt saknar: förmågan att planera framåt och styra mot ett mål (kostnad, klimat, effekt).

Om 2026 blir året då fler fastigheter och energibolag tvingas hantera både effekttoppar och mer varierad förnybar produktion, då är det här en teknik som passar tiden. Frågan är inte om vi behöver mer lagring – utan vilken lagring som ger mest nytta per investerad krona.

Vill du räkna på ett case för din fastighet eller ditt nät – och se vad AI-styrning faktiskt kan göra med marklagring i praktiken? Vilken typ av överskottsvärme har du redan idag som du skulle kunna börja “spara” i marken?