AI och LFP-batterier: så byggs en smartare elnätslogistik

Ett av de mest underskattade logistikskiftena i energisektorn händer just nu: batterier flyttar från att vara en teknisk komponent till att bli en leveranskedjeprodukt med geopolitik, skatteincitament och mjukvara i centrum. När Samsung SDI tecknar sitt första amerikanska avtal för US-tillverkade LFP-celler (värde över 2 biljoner KRW, cirka 1,36 miljarder USD) och Trina Storage utökar ett ramavtal med Lightshift Energy till över 1 GWh av projekt, är det mer än två affärer. Det är en signal om hur snabbt marknaden för BESS (Battery Energy Storage Systems) skalar – och hur mycket som står på spel för de som bygger, integrerar och driver systemen.

Det här spelar roll även för oss i Sverige, särskilt om du jobbar med AI inom logistik och supply chain, energioptimering, industriell digitalisering eller hållbarhetsrapportering. Varför? För att mer batterikapacitet i systemet gör AI mer värdefull – och mer nödvändig. När lagring blir billigare, mer tillgänglig och mer ”inhemskt kompatibel” i USA, ökar också kraven på att kunna planera, styra och optimera drift i realtid. Det är där AI-baserad energihantering och smarta supply chain-modeller kommer in.

Varför de här BESS-affärerna förändrar spelplanen

Kärnpunkten: USA styr om marknaden mot inhemskt innehåll och bort från kinesiska komponenter, vilket omformar hela batteriförsörjningen för elnätet.

Samsung SDI:s kontrakt gäller US-tillverkade LFP-prismatiska celler för stationär energilagring med start 2027, löptid tre år. Det är inte bara volym och värde som sticker ut, utan tidpunkten: bolaget har sagt att man ska starta massproduktion före slutet av 2025 och siktar på 30 GWh årlig produktionskapacitet i USA till slutet av nästa år.

Trina Storage, å sin sida, skalar via systemleverans: Elementa 2.0 och 2.5 till Lightshift Energy för en projektportfölj på över 1 GWh. Lightshift (tidigare Delorean Power) fokuserar på distributionsnätsanslutna lager – en del av nätet där nyttan av smart styrning ofta är som störst, eftersom flaskhalsar och effekttoppar är konkreta och lokala.

FEOC-reglerna: policy som styr logistik

USA:s så kallade FEOC-restriktioner (Foreign Entity of Concern) påverkar vilka projekt som kan få skatteincitament om de använder kinesiska produkter/material över vissa trösklar. I praktiken innebär det att projekt med kinesiska celler ofta tappar möjligheten till investeringskrediter – och eftersom cellerna är en av de största kostnadsposterna i ett BESS-projekt får det enorm effekt på kalkylen.

Det här är supply chain på hög nivå: regler ändrar efterfrågan, efterfrågan ändrar leverantörsbasen, och leverantörsbasen tvingar fram nya planeringsmodeller.

LFP och prismatiska celler: varför formfaktorn spelar roll

Kärnpunkten: När marknaden byter leverantör vill den inte byta hela designfilosofin – därför är kompatibilitet i cellformat ett kommersiellt vapen.

Samsung SDI lyfter att man är den enda icke-kinesiska tillverkaren som kan leverera prismatiska celler till amerikanska kunder. Det låter nördigt, men är praktiskt: många integratörer har byggt sina system och sina inköpsflöden kring prismatiska LFP-celler från Kina. Om du kan erbjuda en ”drop-in”-komponent minskar:

• omkonstruktion av moduler och pack
• test- och certifieringsarbete
• risk i ramp-up (barnsjukdomar i ny design)
• tid till kommersiell drift

Samtidigt är LFP i stationära applikationer attraktivt av mer jordnära skäl: stabil kemi, bra cykelliv och ofta en kostnadsprofil som passar energiarbitrage och nätstöd.

Säkerhet blir en driftfråga (och en dat fråga)

Samsung SDI nämner aluminiumkapsling och en lösning för att hindra termisk spridning (No Thermal Propagation). Säkerhet i BESS är inte bara teknik – det är också driftsdata, underhållslogik och incidentberedskap.

Här har jag sett många organisationer missa något: de investerar i hårdvara, men underskattar värdet av en dataplattform som kan koppla ihop sensorer, larm, servicehistorik och nätförhållanden.

AI i energihantering: när lagring skalar blir styrningen flaskhalsen

Kärnpunkten: Mer batterikapacitet i nätet utan intelligent styrning leder till lägre intäkter, mer slitage och sämre nätstöd.

När BESS-volymerna går från ”pilot” till gigawattimmar blir optimering en vardagsfråga. Det är här AI passar bättre än traditionell regelstyrning, eftersom verkligheten är rörig: elpris, last, väder, nätbegränsningar, degradering och marknadsregler ändras samtidigt.

Tre AI-användningsfall som ger direkt effekt

1. Prognoser för last och lokal flaskhals
   • Maskininlärning på historisk last, temperatur, kalenderdata och lokala händelser.
   • Ger bättre beslut om när batteriet ska ladda/ur-ladda för att kapa effekttoppar.

1. Optimerad dispatch mot flera värdeströmmar

   • BESS kan ofta tjäna pengar på flera sätt: arbitrage, frekvensstöd, kapacitetsstöd, nätavlastning.
   • AI-baserade optimerare kan prioritera rätt kombination givet begränsningar (SoC, cykler, kontrakt).

2. Prediktivt underhåll och degraderingsstyrning

   • Modeller som förutser cellstress, temperaturmönster och avvikande beteenden.
   • Målet är inte bara färre fel – utan längre livslängd per investerad krona.

En bra tumregel: varje procentenhet bättre styrning blir synlig i både intäkter och batterihälsa när du skalar portföljen.

Supply chain-lärdomar: från batterifabrik till nätansluten anläggning

Kärnpunkten: Den nya BESS-marknaden belönar de som kan planera helheten – material, produktion, transport, installation, drift och compliance.

De här affärerna visar två parallella strategier:

• Samsung SDI flyttar värde uppströms: cellproduktion i USA, med möjlighet att även leverera integrerade BESS-lösningar.
• Trina Storage flyttar värde nedströms: systemintegration och portföljleveranser, medan cellstrategin kan vara mer flexibel beroende på marknadens regler.

I en logistik- och supply chain-kontekst är det här intressant för att det pekar på nya ”måste-förmågor”:

1) Scenario- och policyplanering som standard

FEOC-liknande regelverk gör att du behöver arbeta med scenarier: Vad händer med marginalerna om en komponent tappar stöd? Hur snabbt kan vi kvalificera alternativa leverantörer? Vilka BOM-delar driver risk?

AI kan bidra genom att:

• analysera leverantörsberoenden (tier-2/tier-3)
• simulera kostnad och ledtid vid förändrade tullar/regler
• upptäcka sårbarheter i single-source-komponenter

2) Planering av kapacitet och ramp-up

Samsung SDI:s plan om 30 GWh/år illustrerar en klassiker: ramp-up är en logistisk disciplin lika mycket som en fabriksdisciplin. Allt från kvalitetsutfall till packningsstandarder påverkar leveransprecision.

AI i produktion och kvalitet (t.ex. vision, anomaly detection) kan minska spill och förbättra yield – vilket i sin tur påverkar leveranssäkerhet och kostnad per kWh.

3) Portföljlogistik för installation och commissioning

Lightshifts portfölj på 1 GWh+ betyder många sajter, många nätanslutningar, många tillstånd och en lång kedja av beroenden. Där är AI användbart för:

• resursplanering (installationscrew, kranar, transporter)
• prediktion av förseningar i tillstånd/inspektion
• optimerad ”batchning” av leveranser för att minska stillestånd

Vad betyder detta för svenska företag och energisystem?

Kärnpunkten: USA:s omställning formar globala batteriflöden, priser och standarder – och Sverige behöver AI för att få ut maximal nytta av den lagring som faktiskt byggs.

Även om affärerna är amerikanska påverkar de europeiska aktörer genom att:

• pressa fram nya produktstandarder (säkerhet, format, spårbarhet)
• flytta investeringar i produktionskapacitet och därmed påverka tillgång och pris
• driva mognad i hur man räknar hem BESS via flera intäktsströmmar

För svenska energibolag, fastighetsägare, industrier och logistikintensiva verksamheter blir slutsatsen rätt konkret: när mer lagring finns tillgänglig blir konkurrensfördelen att styra den bättre än grannen.

En praktisk startlista (om du vill få lead time på konkurrenterna)

Om du ansvarar för energi, drift eller supply chain kan du börja här:

1. Kartlägg datan: mätvärden, priser, nätbegränsningar, servicehistorik – vad finns och vad saknas?
2. Definiera värdeströmmar: peak shaving, flexibilitet, reservkraft, arbitrage. Välj 1–2 att optimera först.
3. Sätt en degradationspolicy: hur många cykler/år är ok, vilka temperaturgränser gäller, hur prissätter ni batterihälsa?
4. Bygg ett “dispatch-lager”: även enkla AI-prognoser + optimering ger effekt om de kopplas till drift.
5. Gör compliance spårbar: materialursprung, leverantörsled, versioner av firmware – det blir allt viktigare.

Nästa steg: när BESS blir infrastruktur blir AI operativsystemet

BESS-marknaden rör sig snabbt mot större volymer, hårdare regelverk och mer professionell drift. Samsung SDI:s satsning på US-tillverkade LFP-celler och Trinas 1 GWh+-leveranser är två tydliga bevis: kapaciteten byggs ut och leveranskedjorna ritas om.

För oss som jobbar med AI inom logistik och supply chain är det en möjlighet. Batterier är tunga, dyra, säkerhetskritiska och fulla av data. Det betyder att planering, optimering och riskhantering inte kan vara Excel-övningar längre.

Om du skulle designa din energilogistik från noll 2026 – med AI som standard och inte som pilot – vilka beslut hade du automatiserat direkt, och vilka hade du aldrig vågat lämna till en modell?