Lagra vÀrme i marken: AI gör jord till energilager

AI inom energi och hĂ„llbarhet‱‱By 3L3C

Marken kan lagra överskottsvÀrme och minska effekttoppar. Med AI-styrning blir jordbaserad vÀrmelagring en praktisk del av hÄllbar energi.

termisk energilagringmarkenergiAI-styrningfjÀrrvÀrmespillvÀrmefastighetsenergi
Share:

Featured image for Lagra vÀrme i marken: AI gör jord till energilager

Lagra vÀrme i marken: AI gör jord till energilager

December i Sverige Ă€r en pĂ„minnelse om en obekvĂ€m sanning: vi Ă€r bra pĂ„ att skapa vĂ€rme nĂ€r vi inte behöver den, och sĂ€mre pĂ„ att ha den kvar nĂ€r vi faktiskt gör det. Soliga dagar, spillvĂ€rme frĂ„n processer, eller perioder med lĂ„g elprisnivĂ„ kan ge stora mĂ€ngder vĂ€rme som bara “försvinner” – ofta rakt ner i marken.

Det Àr exakt dÀr den nya forskningen om vÀrmelagring i jord blir intressant. I stÀllet för att se marken som en passiv vÀrmesÀnka kan den behandlas som ett termiskt energilager. Och hÀr kommer vÄr serie AI inom energi och hÄllbarhet in: den hÀr typen av lagring blir först riktigt anvÀndbar i stor skala nÀr vi kan mÀta, förutsÀga och styra den. Det Àr en AI-frÄga.

Varför marken kan fungera som vÀrmelager

Marken fungerar som vĂ€rmelager av en enkel anledning: den har stor massa och kan hĂ„lla temperatur över tid. Nyckeln Ă€r att göra det kontrollerat – och att minska förlusterna.

Forskare vid Kaunas University of Technology har undersökt hur ett markbaserat vĂ€rmeackumulator-system kan lagra överskottsvĂ€rme under jord och sedan leverera den nĂ€r efterfrĂ„gan toppar. KĂ€rnan i idĂ©n Ă€r att ta vĂ€rme som annars skulle dissipera som “svinn” och göra den till en planerad resurs.

HÀr Àr en bra tumregel att bÀra med sig:

VĂ€rmelagring i mark handlar mindre om att skapa vĂ€rme – och mer om att flytta rĂ€tt mĂ€ngd vĂ€rme till rĂ€tt plats vid rĂ€tt tid.

FrĂ„n “vĂ€rmeförlust” till energitillgĂ„ng

En intressant detalj i forskningen Ă€r att teamet först tittade pĂ„ hur vindenergi kunde anvĂ€ndas för att producera vĂ€rme direkt (inte el), genom hydraulik. De upptĂ€ckte att sĂ„ kallade hydrauliska förluster – normalt nĂ„got man vill minimera – i praktiken blev anvĂ€ndbar vĂ€rme.

Det hĂ€r Ă€r ett mönster jag ser ofta inom energieffektivisering: det vi kallar “förluster” Ă€r ofta bara energi pĂ„ fel plats. NĂ€r du har systemtĂ€nk (och bra data) gĂ„r det plötsligt att göra nytta av den.

Det tekniska genombrottet: fukt, fasomvandling och styrbar vÀrmetransport

Det mest praktiskt viktiga i studien Àr inte bara att marken blir varm, utan hur vÀrmen rör sig och hur lÀnge den stannar kvar.

Forskarna vÀrmde jord i ytliga lager och mÀtte:

  • hur vĂ€rme sprids (ledning)
  • hur snabbt vĂ€rmen rör sig (transient respons)
  • hur lĂ€nge temperaturhöjningen bestĂ„r (retention)

NĂ€r vatten i jorden byter fas – dĂ„ kan mer energi lagras

Vid ett test vĂ€rmdes jorden tills fukten började avdunsta. Det utlöser en fasomvandling (vatten → Ă„nga). Varför spelar det roll? För att fasomvandling kan “packa” in mer energi i systemet utan att temperaturen mĂ„ste rusa i höjden.

Dessutom rör sig Ă„ngan genom marken och kan fördela vĂ€rme över större volym. Forskarna observerade tydliga temperaturtoppar dĂ€r Ă„ngflödet nĂ„dde – ett tecken pĂ„ att energiflödet inte bara finns dĂ€r, utan ocksĂ„ kan styras.

Det Àr hÀr vi fÄr en bro till AI:

  • Ång- och vĂ€rmetransport i porösa material Ă€r komplex.
  • Den beror pĂ„ fukthalt, jordtyp, packningsgrad, grundvatten, Ă„rstid och driftstrategi.
  • MĂ€nniskor kan inte optimera detta “i huvudet”.

AI kan.

Var passar marklagring in i svensk energiverklighet?

Markbaserad vÀrmelagring Àr sÀrskilt relevant i Sverige av tre skÀl:

  1. Stora sÀsongsskillnader: VÀrmebehovet Àr kraftigt vinterdominerat.
  2. FjĂ€rrvĂ€rmens roll: MĂ„nga stĂ€der har redan infrastruktur dĂ€r vĂ€rme kan distribueras – men saknar ibland billig sĂ€songslagring.
  3. Ökande elektrifiering: Effektproblem i elnĂ€tet gör att “vĂ€rme vid rĂ€tt tid” blir lika viktigt som “el vid rĂ€tt tid”.

Forskningen pekar pÄ att termiska ackumulatorer kan:

  • balansera fjĂ€rrvĂ€rmenĂ€t (toppkapning)
  • minska stress vid effekttoppar i elnĂ€tet (genom att flytta vĂ€rmeproduktion i tid)
  • byggas lokalt under byggnader, gator eller parkeringsytor

En konkret svensk anvÀndningsbild

TĂ€nk dig ett flerbostadshus med vĂ€rmepump och solceller. Under september–oktober finns ofta dagar med överskott av solel mitt pĂ„ dagen, men vĂ€rmebehovet Ă€r lĂ„gt. I stĂ€llet för att sĂ€lja el billigt eller strypa produktion kan huset:

  • omvandla överskottet till vĂ€rme (via vĂ€rmepump/elpanna)
  • ladda ett isolerat markvolym-lager under eller intill byggnaden
  • plocka ut vĂ€rmen vid morgon- och kvĂ€llstoppar

Det Àr inte science fiction. Det Àr ett styr- och systemproblem.

AI som “dirigent” för vĂ€rme i mark: sĂ„ skapar man stabil drift

AI gör störst nytta dÀr systemet Àr dynamiskt och pÄverkas av mÄnga faktorer. Marklagring Àr ett skolboksexempel.

Vad AI kan optimera i ett markbaserat energilager

1) Laddning och urladdning (driftplanering)

  • Prognoser för vĂ€rmebehov per timme/dygn
  • Elprisprognoser och effektavgifter
  • BegrĂ€nsningar i nĂ€t (maxeffekt)

2) Termisk modellering och “digital tvilling”

  • ML-modeller kan kalibreras mot sensordata (temperatur i flera djup, flöden, fukt)
  • En digital tvilling kan förutsĂ€ga temperaturfĂ€lt, förluster och Ă„terladdningstid

3) Kontroll av vÀrmespridning

  • Reglering av flöden i borrhĂ„l/pĂ„lar/markvĂ€rmevĂ€xlare
  • Detektering av oönskad vĂ€rmelĂ€ckagezon

4) UnderhÄll och riskhantering

  • Anomali-detektering pĂ„ sensorserier
  • Tidig varning för fuktbeteende som försĂ€mrar prestanda

HÀr Àr den praktiska poÀngen:

Utan bra styrning riskerar marklagring att bli “en varm flĂ€ck i marken”. Med AI blir det ett energilager med garanterad nytta.

Data du behöver (och som mÄnga missar)

För att komma bort frÄn gissningar behöver man instrumentera systemet rÀtt frÄn start:

  • Temperaturgivare i flera djup (minst 3 nivĂ„er)
  • Flöde och fram/returtemperatur i vĂ€rmevĂ€xlare
  • Fuktsensorer (dĂ€r fasomvandling Ă€r en del av strategin)
  • Byggnadens vĂ€rmeförbrukning (timvĂ€rden)
  • VĂ€derdata lokalt (ute-temp, vind, solinstrĂ„lning)

Det fina Àr att detta ocksÄ driver lead-mÄl: nÀr kunder ser att ni pratar om vilka mÀtpunkter som krÀvs och vilka beslut som kan automatiseras, uppfattas ni som seriösa.

Passiv markvolym under byggnad: den underskattade lÄg-hÀngande frukten

Forskarna gick vidare frÄn aktiv lagring till en mer vardaglig idé: kan marken under byggnaden passivt lagra vÀrme frÄn den naturliga vÀrmeflödet nedÄt?

De byggde en prototyp av en “mark-energicell” i labb och följde temperaturer över tid. De genomförde ocksĂ„ mĂ€tningar och berĂ€kningar under ett helt Ă„r för att fĂ„nga sĂ€songseffekter och jĂ€mföra med klimatdata.

Resultatet Àr praktiskt:

  • En isolerad markvolym under byggnaden kan minska vĂ€rmeförlusten.
  • Mindre vĂ€rmeförlust ger lĂ€gre energibehov för uppvĂ€rmning.
  • LĂ€gre uppvĂ€rmningsbehov minskar utslĂ€pp om vĂ€rmen annars kommer frĂ„n fossilt eller biobrĂ€nsle.

Jag gillar det hĂ€r spĂ„ret för svenska fastighetsĂ€gare: det Ă€r inte alltid en stor investering i “ny teknik”. Ibland Ă€r det smart byggfysik plus mĂ€tning.

Vanliga frÄgor (som dyker upp i riktiga projekt)

Fungerar marklagring Àven för kyla?

Ja. Samma principer kan anvĂ€ndas för sĂ€songslagring av kyla eller “svalka” i mark. I Sverige Ă€r det sĂ€rskilt relevant för lokaler med ökande kylbehov (serverrum, skolor, handel).

Är det hĂ€r samma sak som bergvĂ€rme?

Det Àr slÀkt, men inte identiskt. BergvÀrme handlar ofta om att hÀmta energi ur mark/berg. Marklagring handlar om att ladda in energi (överskottsvÀrme) och ta ut senare. I praktiken kan befintliga borrhÄl och markvÀrmevÀxlare bli delar av ett lagersystem.

Vad avgör om ett projekt blir lönsamt?

Tre saker dominerar:

  1. TemperaturnivÄer (hur varmt du kan lagra och hur du ska anvÀnda det)
  2. Förluster (isolering, geologi, grundvattenflöden)
  3. Styrning (nÀr du laddar/urladdar i relation till pris och effekt)

Min stÄndpunkt: mÄnga projekt faller pÄ punkt 3, inte punkt 1.

NÀsta steg: frÄn forskningsprototyp till skalbar svensk tillÀmpning

Forskarna beskriver att de nu jobbar med att skala ner prototyper och förbÀttra metoder för att styra vÀrmespridningen, samt integrera befintliga underjordiska tekniker som borrhÄl, pÄlar och andra vÀrmevÀxlare.

Översatt till en svensk roadmap ser jag en tydlig ordning:

  1. KartlÀggning: jordarter, grundvatten, befintliga energisystem, lastprofiler
  2. Pilot: begrÀnsad lagervolym med tÀt sensordata
  3. Digital tvilling: modell som matchar mÀtdata och kan simulera driftstrategier
  4. AI-styrning: optimering mot kostnad, CO₂, komfort och effekt
  5. Skalning: fler byggnader, kvartersnivÄ eller integrerat med fjÀrrvÀrme

Om du arbetar med energi i fastigheter, industri eller kommunal fjÀrrvÀrme Àr det hÀr ett omrÄde dÀr AI inom energi och hÄllbarhet gÄr frÄn buzzword till konkret vÀrde: lÀgre toppeffekt, högre verkningsgrad och mer nyttjad spillvÀrme.

VĂ€rmen finns redan. FrĂ„gan Ă€r om vi fortsĂ€tter lĂ„ta den rinna bort – eller om vi börjar behandla marken som det den kan vara: ett energilager som gĂ„r att planera, styra och optimera.