Offentligt ägd solenergi: lärdomar och AI-nytta

Elkostnaderna pressar kommuner och skolor på ett sätt som känns i varje budgetrad. Samtidigt har många av de snabbaste klimatåtgärderna en gemensam nämnare: små, utspridda investeringar i solceller på tak, gärna ihop med batterier och smart styrning. Problemet är bara att just de projekten ofta faller mellan stolarna. För små för att locka de bästa anbuden. För krångliga för en redan överbelastad kommunorganisation. Och för riskfyllda, enligt vissa finansiärer.

Connecticut har gjort något som fler borde titta på: en offentlig aktör, Connecticut Green Bank, agerar ”public developer” och går längre än att dela ut stöd eller låna ut pengar. De hjälper till att hitta projekten, paketera dem, upphandla, finansiera – och i vissa fall även äga dem. Resultatet är inte bara mer solenergi, utan också mätbara besparingar och en modell som blir extra relevant när offentliga pengar stramas åt.

För oss som arbetar inom serien AI inom energi och hållbarhet är det här intressant av en annan anledning: när du bygger många små energitillgångar (taksol, batterier, värmepumpar) blir styrningen avgörande. Och det är där AI gör skillnad – inte som hype, utan som praktiska algoritmer som minskar kostnader och ökar nyttan.

Connecticut visar att ”småskaligt” kan skalas

Kärnpunkten är enkel: små projekt blir lönsamma när de hanteras som en portfölj. I Connecticuts Solar Marketplace Assistance Program Plus (Solar MAP+) har banken enligt egna uppgifter satsat 145 miljoner dollar för att få ut nära 54 MW solenergi, med förväntade 57 miljoner dollar i samlade energikostnadsbesparingar.

Det intressanta är inte bara totalsiffrorna, utan hur de uppnås:

• Programmet riktar sig mot sektorer där privata aktörer ofta tvekar: skolor, mindre kommuner, låginkomstboenden.
• Det samlar många små anläggningar i upphandlingar, så att installatörer faktiskt bryr sig.
• Det bygger strukturer för dokumentation, upphandling och avtal som annars sänker tempot i offentlig sektor.

En snabbeffekt syns i skolsegmentet. Connecticut rankas högt nationellt för solceller på K–12-skolor, och rapporten som nämns i källmaterialet pekar på att Green Bank stod för 27 % av skolinstallationerna i delstaten under 2015–2023. Mer än hälften av projekten ligger i låginkomst- och missgynnade områden.

En portfölj med många små solcellsanläggningar beter sig ekonomiskt som ett större projekt – om någon tar ansvar för helheten.

Varför offentlig projektutveckling fungerar (när den fungerar)

Den här modellen funkar av tre skäl som ofta underskattas i energidebatten.

1) ”Budget” är bara ett symptom – kapacitet är sjukdomen

Många kommuner har inte problem med viljan, utan med genomförandet. Att installera solceller på sju skolor är inte sju små projekt. Det är:

• sju tekniska förstudier
• sju upphandlingar (om du inte kan paketera)
• sju juridiska processer
• sju interna beslutsvägar

Connecticut Green Bank byggde, enligt beskrivningen, en slags schweizisk armékniv: mallar, avtalsstrukturer, arbetsrättsliga upplägg och upphandlingsstöd. När den infrastrukturen väl finns kan den återanvändas.

2) Risk handlar ofta om okunskap, inte om fakta

Skolor och kommuner ses ibland som ”svåra” motparter: splittrade beslut, långa processer, politisk risk. Offentlig projektutveckling minskar detta genom standardisering och genom att staten (direkt eller indirekt) står som kvalitetsstämpel. Det gör att fler leverantörer vågar räkna på jobben.

3) Intäkter kan återinvesteras

En viktig detalj i Connecticut-modellen är att kassaflöden från projekten kan återcirkuleras: intäkter och besparingar används för att finansiera fler projekt. Det är i praktiken ett lokalt ”kapitalhjul” som blir extra värdefullt när externa stöd minskar.

AI: den saknade pusselbiten i kommunal solenergi

När du går från enstaka solcellsprojekt till en portfölj med tiotals eller hundratals tak förändras spelplanen. Det räcker inte att anläggningarna producerar. De måste också samspela med:

• elprisernas variation timme för timme
• effekttariffer
• byggnadens lastprofil (skola ≠ idrottshall ≠ äldreboende)
• batterier, laddning och värmepumpar
• nätbegränsningar och lokal kapacitet

AI behövs här av ett skäl: styrning i realtid kräver prognoser och optimering. En människa kan inte manuellt planera drift för 40 byggnader varje dag.

Prognoser som gör solceller mer värda

Det mest lönsamma du kan göra i ett portföljprogram är att förbättra träffsäkerheten i prognoser:

• Produktionsprognos (solinstrålning, snö, molnighet)
• Förbrukningsprognos (schema, helgdagar, ventilation, kök)
• Prisprognos (spotpris, effektfönster, tariffer)

En praktisk tumregel: om du med bättre prognoser kan flytta eller styra bara några procent av energin till rätt timmar (eller undvika toppar), blir det snabbt pengar – särskilt för offentliga fastigheter med tydliga effekttoppar.

Optimering: från ”sol på tak” till energisystem

AI-baserad optimering handlar inte om att vara flashig. Den handlar om att styra vardagsgrejer:

• Ladda batterier när det är billigt eller när solproduktionen är hög.
• Kapar effekttoppar genom att tillfälligt minska laster (t.ex. ventilation) inom komfortgränser.
• Synkar värmepumpar och varmvattenberedning mot solproduktion.

Det är här ”småskaligt” blir systemnytta. Och det är här offentliga portföljer har en unik möjlighet: samma AI-logik kan rullas ut på många byggnader, vilket sänker kostnaden per site.

Upptäck fel innan de blir dyra

Med många takanläggningar kommer också driftproblem: växelriktarfel, smutsiga paneler, skuggning, kablageproblem. AI för anomalidetektion kan flagga när en skola avviker från förväntad produktion givet väderdata och historik.

En bra driftprincip är:

• Larm ska vara få men träffsäkra.
• Varje larm ska komma med en sannolik orsak och rekommenderad åtgärd.

Det minskar O&M-kostnader och gör att den offentliga modellen inte fastnar i ”vi byggde – men orkade inte förvalta”.

Så kan svenska kommuner kopiera idén (utan att kopiera allt)

Sverige har andra regelverk och marknader än USA, men de organisatoriska problemen är slående lika: små kommuner har begränsad kapacitet, upphandling tar tid, och energiprojekt konkurrerar med allt från skola till omsorg.

Här är en praktisk översättning av Connecticut-tänket.

1) Bygg en portfölj, inte enstaka projekt

Svar först: Portföljtänk sänker kostnaden per anläggning och ökar konkurrensen i upphandling.

Gör så här:

1. Inventera 20–100 byggnader (kommun, bolag, region, stiftelser).
2. Skapa 3–5 standardpaket (t.ex. 50–150 kW, 150–400 kW).
3. Upphandla installation och drift som ramavtal med volym.

2) Standardisera avtal och beslut

Svar först: Standardisering är den snabbaste vägen till tempo i offentlig energiomställning.

Satsa på mallar för:

• PPA/nyttjanderätt (där det är relevant)
• drift- och underhåll
• datadelning (så AI och uppföljning faktiskt fungerar)

3) Gör data till ett krav, inte en eftertanke

Svar först: Utan data får du solceller – men inte ett smart energisystem.

Kravställ:

• timvärden (helst 5–15 min) för produktion och förbrukning
• standardiserade API:er från växelriktare/energimätare
• ägande av data och rätt att använda den i optimering

4) Välj AI-nytta som går att räkna hem

Svar först: AI-projekt måste kopplas till en mätbar budgetrad.

Tre starka startcase i kommunal kontext:

• effekttoppsreducering (direkt kopplat till tariffkostnad)
• optimerad batteridrift (prisarbitrage + toppkapning)
• fel- och produktionsövervakning (mindre energibortfall)

Vanliga frågor som dyker upp i praktiken

”Tar inte offentliga aktörer över marknaden?”

Nej, inte om modellen designas rätt. Connecticut-exemplet visar snarare en roll som marknadsbyggare: man paketerar projekt som annars inte blir av och skapar en stabil orderstock för installatörer. Det är mer ”göra marknaden möjlig” än ”konkurrera ut den”.

”Blir inte upphandling och transparens ett problem?”

Det kan bli det – och det är därför portföljmodellen måste ha tydliga processer för konkurrens, dokumentation och uppföljning. Poängen är att göra rätt en gång och återanvända.

”Var passar batterier och värmepumpar in?”

De passar in direkt. När du ändå har en portföljstruktur och dataplattform blir nästa steg naturligt: sol + lagring, och sedan byggnadsstyrning (värmepumpar, ventilation). Det är exakt där AI får störst hävstång.

Nästa steg: från takprojekt till styrbar portfölj

Connecticut visar att offentligt ägd (eller offentligt orkestrerad) småskalig solenergi kan vara en affär för skattebetalarna – inte bara en klimatinsats. 145 miljoner dollar i kapital, 54 MW och 57 miljoner dollar i förväntade besparingar är en tydlig signal: när någon tar ansvar för utveckling, upphandling och finansiering händer det.

Min ståndpunkt är att nästa nivå i den här typen av program är att göra AI till en del av grunddesignen, inte som ett senare ”digitaliseringsprojekt”. Det betyder: datakrav, prognoser, optimering och uppföljning från dag ett.

Vill du testa samma idé i svensk kontext? Börja smått men tänk portfölj: välj 10–20 byggnader, sätt en gemensam datastandard och räkna på effekttopparna. Den som kan styra topparna kan finansiera resten.

Och den större frågan för 2026: när kommuner och regioner bygger mer lokal produktion – vem bygger den intelligenta styrningen som gör att investeringarna faktiskt blir maximalt värda?