Solavsaltning som funkar även när solen sviker

Vattenbrist är inte ett framtidsscenario – det är redan ett driftproblem. World Resources Institute har i flera år pekat ut att trycket på sötvatten kommer öka snabbt när klimatet blir mer extremt och befolkningen växer. Samtidigt är avsaltning ofta byggd för en helt annan verklighet: stora, centrala anläggningar, dyr infrastruktur och membran som förr eller senare sätter igen.

Det är därför forskningen från Rice University är så intressant. De har byggt en soldriven avsaltningslösning som kan fortsätta producera dricksvatten även när solen går i moln eller ner för dagen – utan stora batterier eller externa värmelager. Tekniken heter STREED och bygger på ett ovanligt men smart grepp: ”resonant” värmeåtervinning, inspirerad av hur energi pendlar i oscillatorer och elektriska kretsar.

Och här passar den här historien perfekt in i vår serie AI inom energi och hållbarhet. För även om prototypen i studien styr flöden med ljusberoende reglering, är nästa naturliga steg tydligt: AI-styrning som förutser solinstrålning, optimerar flöden i realtid och maxar liter-per-kWh. Det är exakt den sortens praktisk AI som gör energisystem robusta – och hållbarhetsnyttan mätbar.

Problemet: solenergi är ojämn – och avsaltning gillar inte ojämnhet

Solavsaltning faller ofta på en sak: intermittens. När solinstrålningen varierar tappar många system tempo, temperatur och därmed vattenproduktion.

Varför blir intermittens en effektivitetstjuv?

Termisk avsaltning bygger på en enkel fysik:

• Avdunstning kräver energi (värme) för att få vatten att gå från vätska till ånga.
• Kondensation släpper tillbaka den energin när ångan blir vätska igen.

En effektiv termisk process handlar därför inte bara om att få värme in i systemet – utan om att ta vara på kondensationsvärmen och återanvända den. Om man inte återvinner värmen ordentligt måste man hela tiden ”mata” systemet med ny energi. Och när solen varierar blir det snabbt instabilt.

Varför är dagens standard (RO) svår off-grid?

Den vanligaste tekniken globalt är omvänd osmos (reverse osmosis, RO). Den funkar bra i många sammanhang, men har två tydliga svagheter i off-grid och tuffa miljöer:

1. Membranproblem: beläggningar, igensättning och degradering kräver underhåll.
2. Hög salthalt är svårt: RO tappar i återvinning när saliniteten är hög.

I artikeln nämns typiskt 35–50 % återvinning från havsvatten för RO, medan resten blir en hypersalt restström.

Lösningen: STREED och resonant värmeåtervinning utan energilager

STREED står för Solar Thermal Resonant Energy Exchange Desalination. Kärnan är enkel att beskriva:

STREED försöker få värme att ”pendla” mellan två motströmmar så att energi stannar i systemet när solen varierar.

Det är en tydlig ingenjörsidé: när energin rör sig i ett resonant mönster blir överföringen effektivare, ungefär som när en gunga får rätt rytm.

Så fungerar det – utan membran

I stället för känsliga membran använder STREED något mycket mer robust: luft.

• En kanal med uppvärmt salt/bräckt/förorenat vatten.
• En intilliggande kanal med luftflöde som tar med sig vattenångan.
• Ångan leds till en värmeväxlare där den kondenserar till sötvatten.

Kontaminanter och salter stannar kvar.

Det här är intressant för hållbarhet på riktigt: färre slitdelar, mindre kemikalieberoende och större tolerans för varierande vattenkvalitet.

Nyckeln: flödesstyrning som följer solen

Studien lyfter fram en innovation som många energisystem brottas med: statiska flöden.

STREED använder ljusberoende flödeskontroll för att matcha solens effekt under dagen. När det är rätt inställt uppstår den resonanta energiöverföringen och systemet kan fortsätta gå stabilt även när instrålningen faller.

I tester i San Marcos, Texas, producerade prototypen upp till 0,75 liter dricksvatten per timme.

I simuleringar, med solprofiler från platser som molniga Portland och soliga Albuquerque, ökade systemets vattenåtervinningseffektivitet med 77 % jämfört med statiska flöden under en representativ vecka.

Var AI kommer in: från ”ljusberoende” till prediktiv optimering

Här är min tydliga ståndpunkt: flödesstyrning är redan ett kontrollproblem – och kontrollproblem är AI:s hemmaplan när data finns.

STREED visar att reglering är avgörande. Nästa nivå är att inte bara reagera på solen, utan förutse den.

Tre AI-funktioner som passar STREED och liknande system

1. Solprognoser på minutnivå
   • Kombinera lokala sensorer (irradians, temperatur, vind) med vädermodeller.
   • Prediktera 15–120 minuter framåt för att förbereda flöden och värmeväxlare.

1. Realtidsoptimering av flöden (MPC + ML)

   • Model Predictive Control (MPC) kan sätta mål: stabil produktion, max effektivitet, min temperaturstress.
   • Maskininlärning kan förbättra modellparametrar när systemet åldras eller miljön ändras.

2. Fouling- och hälsodiagnostik utan membran-fokus

   • Även membranfria system får beläggningar, särskilt i värmeväxlare.
   • AI kan upptäcka avvikelser via tryckfall, temperaturdifferenser och fuktprofil i luftkanalen.

Det fina? Man behöver inte börja med ”stor AI”. En enkel, robust pipeline med bra sensorer och en tydlig mål-funktion ger ofta 80 % av värdet.

Varför det här är relevant även i Sverige

Sverige har inte akut vattenbrist på nationell nivå, men 2020-talet har visat att vi får lokala och säsongsbundna problem: torka på Gotland, låga grundvattennivåer i kustnära områden och större variation i nederbörd.

Off-grid och beredskap är en svensk use case

I december 2025 pratar allt fler organisationer om robusthet: energiberedskap, reservkraft och decentraliserade lösningar. Avsaltning låter kanske ”för Medelhavet”, men behovet kan vara väldigt konkret:

• samhällsviktig verksamhet på öar och skärgårdsanläggningar
• temporära insatser vid störningar (översvämning, algblomning, förorenade brunnar)
• industriplatser med brist på processvatten

Här blir en soltermisk, modulär lösning intressant – särskilt om den kan kombineras med datadriven styrning och fjärrövervakning.

Energi- och klimatvinst: liter per kWh blir KPI:n som spelar roll

I hållbarhetsarbete hamnar fokus ofta på teknikval (“sol”, “el”, “membran”). Jag föredrar en hårdare fråga:

Hur många liter säkert dricksvatten får du per kWh – över en hel vecka med realistiskt väder?

STREED-studien gör precis den poängen: hög effektivitet behöver inte kräva extremt soliga platser, om systemet är byggt för att hantera variation.

Så kan en organisation utvärdera solavsaltning praktiskt

Om du jobbar med energi, VA, hållbarhet eller industriell drift och funderar på off-grid vattenproduktion, är det här en rimlig checklista.

1) Definiera vattenkällan och salthalten

STREED lyfts fram som robust mot hög salinitet jämfört med RO. Men börja ändå med data:

• ledningsförmåga (proxy för salthalt)
• förekomst av organiskt material (risk för beläggning)
• temperaturintervall över året

2) Sätt krav på drift utan tillsyn

Off-grid betyder ofta:

• minimal service
• få reservdelar
• enkel rengöring

Membranfria upplägg har en tydlig fördel här, men värmeväxlare och kanaler måste vara designade för att tåla beläggning och kunna spolas.

3) Planera styrning som en del av produkten (inte som eftertanke)

Det är här AI kommer in som ett affärsvärde, inte en labbgrej.

• Vilka sensorer behövs för att styra flöden?
• Vilken data ska loggas för optimering?
• Vad är målfunktionen: max liter/dygn, max liter/kWh, eller stabilt flöde?

4) Räkna på helhet: CAPEX, OPEX och risk

En billig prototyp som kräver frekvent manuell justering blir dyr i verkligheten. En dyrare modul med självtuning kan bli billigare över 3–5 år.

Vanliga frågor jag får (och raka svar)

Kan ett sådant här system ersätta RO?

Nej, inte i alla lägen. RO är starkt i storskaliga, eldrivna anläggningar med etablerade servicekedjor. STREED-liknande termiska system är mest intressanta när du vill ha decentraliserat, robust och lågt underhåll, särskilt vid varierande vattenkvalitet.

Behövs batterier?

Idén i STREED är att minska behovet av externa energilager genom intern värmeåtervinning och resonant energiöverföring. I praktiken kan batterier ändå vara relevanta för pumpar, styrning och kommunikation – men du slipper dimensionera stora lager för att hålla processen stabil.

Vad är den stora risken?

Skalning och fältdrift. Prototyper kan fungera utmärkt i kontrollerade testmiljöer. Det som avgör är:

• hur systemet beter sig med verkligt ”smutsigt” vatten
• hur ofta det behöver rengöras
• om styrningen klarar extrema väderdygn

Nästa steg: bygg robusta vattenlösningar som en energiapplikation

Solavsaltning som klarar moln är inte bara en vatteninnovation. Det är en energihistoria: värmeåtervinning, dynamisk reglering och effektivitet under variation. STREED visar att design som tar intermittens på allvar kan ge stora vinster – i studiens simuleringar 77 % bättre effektivitet jämfört med statiska flöden.

För oss som jobbar med AI inom energi och hållbarhet är lärdomen tydlig: när systemet blir mer dynamiskt blir styrningen en konkurrensfördel. AI behövs inte för att göra det avancerat – utan för att göra det stabilt, mätbart och billigare att drifta.

Om du skulle införa en sådan här lösning i en kommun, på en ö eller i en industrimiljö: skulle du optimera för max liter per dag, eller max liter per kWh över en hel vecka?