AI + vanadinflödesbatterier: 500 MWh som formar nätet

Kalgoorlie i västra Australien ligger mitt i en av världens mest mineralintensiva regioner. Nu kan orten också bli en av de tydligaste symbolerna för nästa steg i energisystemet: långvarig energilagring som både stabiliserar elnätet och stärker lokal industri. Delstaten har öppnat en process för en 50 MW / 500 MWh vanadin redox-flödesbatteri-anläggning (10 timmars varaktighet), med AU$150 miljoner i offentlig finansiering och ett krav som sticker ut: tekniken ska tillverkas lokalt och använda lokalt utvunnet och processat vanadin.

För oss som jobbar med AI inom logistik och supply chain är det här extra intressant. Inte för att det är ”ännu ett batteriprojekt”, utan för att det visar hur energilagring, industripolitik och leveranskedjor smälter ihop. Och där finns en tydlig roll för AI: att optimera inköp, produktion, drift och planering i en kedja som spänner från gruva till elnät.

Varför 50 MW/500 MWh är mer än en siffra

500 MWh med 10 timmars varaktighet placerar projektet i kategorin long-duration energy storage (LDES). Det betyder att anläggningen inte bara är till för snabba frekvensstöd i sekunder eller minuter, utan kan flytta energi över halva dygnet. Det är exakt den typen av kapacitet som blir avgörande när andelen sol och vind växer och när planerbar fossil produktion fasas ut.

I det här fallet är projektet även kopplat till en konkret systemförändring: det är tänkt att ersätta rollen som en 57 MW gaskraftstation i West Kalgoorlie som ska avvecklas nästa år. Poängen är tydlig: lagring ska inte längre vara “komplement” – den blir en del av basfunktionen i elsystemet.

10 timmar förändrar driftlogiken i elnätet

Batterier med 1–2 timmars varaktighet är ofta byggda för att kapa pristoppar och hantera korta obalanser. 10 timmar öppnar andra användningsfall:

• Lastutjämning över dag/natt (t.ex. solöverskott mitt på dagen till kvällstoppen)
• Resiliens vid avbrott och begränsningar i överföringen
• Minskad behov av spetsproduktion (ofta gas eller olja)
• Stöd till planerat underhåll i nätet eftersom lagring kan bära delar av lasten

För en nätägare eller systemoperatör innebär det här att man kan planera med ett helt annat “verktyg” än snabbreglerande batterier.

Vanadinflödesbatterier: därför passar de långvarig lagring

Vanadin redox-flödesbatterier (VRFB) skiljer sig från litiumjon på ett sätt som är praktiskt för 10 timmar och uppåt: energin lagras i en vätska (elektrolyt) i externa tankar. Effekten (MW) sitter i cellstackar, medan energimängden (MWh) i stor utsträckning kan skalas genom större tankar.

Det ger tre konsekvenser som ofta är avgörande i infrastrukturprojekt:

1. Lång livslängd och många cykler: Tekniken är byggd för att cyklas ofta under många år utan samma typ av kapacitetsförlust som många förknippar med litiumjon.
2. Passar långa urladdningstider: Kostnaden för extra energitimmar kan bli mer attraktiv när energidelen kan skalas separat.
3. Drift och säkerhet i nätmiljö: VRFB har andra riskprofiler än litiumjon, vilket ibland förenklar kravställning i vissa installationstyper.

Det är också därför många beskriver stora VRFB-projekt som ett slags “el-systemets termos”: inte snabbast i sprint, men stabilt när man behöver uthållighet.

“Lokalt vanadin” är egentligen en leveranskedjestrategi

Kravet på att batteriet ska byggas i västra Australien med lokalt vanadin är inte bara industristöd. Det är en riskstrategi.

Globalt är batterileveranskedjor sårbara för:

• prisvolatilitet i råvaror
• geopolitik och exportrestriktioner
• flaskhalsar i förädling och komponentproduktion
• långa ledtider och transportkostnader

Genom att flytta mer av värdekedjan närmare projektet minskar man beroendet av externa chokepoints. För ett energisystem som ska vara robust även vid störningar är det en rationell prioritering.

Där AI gör störst nytta: från gruva till nät

AI i energisystem handlar inte bara om att styra batteriet smartare. Den stora vinsten kommer när man ser helheten: råvaror, produktion, logistik, lager, nätanslutning och drift. Här är tre områden där jag tycker AI ger mest “verklig effekt” i VRFB-liknande satsningar.

1) AI för supply chain: ledtider, lager och inköp som faktiskt håller

I stora energiprojekt uppstår kostnader ofta i glappet mellan plan och verklighet: en komponent blir sen, en leverantör byter specifikation, en transportkedja går i stå. AI kan minska den risken genom bättre beslut i vardagen.

Praktiska tillämpningar:

• Efterfrågeprognoser för reservdelar baserat på driftdata (inte bara historik)
• Riskklassning av leverantörer med signaler från kvalitet, avvikelser, leveransprecision och externa marknadsindikatorer
• Optimerad säkerhetslager-nivå för kritiska komponenter (balans mellan kapitalbindning och driftsäkerhet)
• Dynamisk inköpsplanering när råvarupriser och ledtider rör sig snabbt

I en VRFB-kedja blir detta särskilt intressant eftersom man har en kombination av industrikomponenter (pumpar, ventiler, kraftsystem) och kemi-/processdelar (elektrolyt, tankar, membran) där riskerna ser olika ut.

2) AI i drift: bättre styrning än “ladda när billigt, ladda ur när dyrt”

Många batteriprojekt fastnar i en förenklad logik: arbitrage mot elpriser. För 10-timmars lagring och nätkritiska roller behöver man fler mål samtidigt.

AI-baserad driftoptimering kan väga:

• elprisprognoser (timme-för-timme)
• prognoser för sol/vind och belastning
• nätbegränsningar och anslutningsvillkor
• degradering/underhållsbehov (t.ex. pumpar och stackar)
• krav på beredskap (att alltid ha en viss energimängd kvar)

En bra tumregel: Ett batteri som alltid maximerar intäkter riskerar att misslyckas med sin viktigaste uppgift – att vara tillgängligt när nätet behöver det.

3) AI för planering och policy: när staten beställer, måste datan hålla

Projektet i västra Australien är statligt finansierat och kopplat till industrikrav. Det gör planeringsfrågan central: hur definierar man “lokalt innehåll”, hur följer man upp, hur undviker man kostnadsöverraskningar?

Här kan AI och modern dataarkitektur bidra genom:

• spårbarhet i leveranskedjan (parti, processsteg, kvalitet, hållbarhetsdata)
• scenarioanalys för vad som händer om en råvaruflöde störs
• kapacitetsplanering för lokal tillverkning (bemanning, maskintimmar, underleverantörer)

När offentliga pengar går in blir transparens en del av leveransen.

Vad svenska företag kan lära av Kalgoorlie-projektet

Sverige står också med tre parallella behov: mer förnybart, mer flexibilitet och robustare försörjningskedjor. Det som händer i västra Australien blir därför relevant även här – inte som copy-paste, utan som en checklista.

1) Välj lagring efter problem, inte efter hype

Om problemet är korta frekvensstörningar kan litiumjon vara perfekt. Om problemet är mörka, vindsvaga timmar eller kapacitetsbrist i nätet kan långvarig energilagring vara rätt verktyg. Teknikvalet måste spegla nätets verkliga behov.

2) Bygg leveranskedjan samtidigt som anläggningen

Många projektplaner behandlar supply chain som en inköpsfråga. Det är en miss. För energilager är supply chain en systemrisk.

En praktisk ordning som ofta fungerar:

1. kartlägg kritiska komponenter (”single points of failure”)
2. designa alternativ (andra leverantörer, kompatibla specar)
3. sätt dataflöden för spårbarhet och kvalitetsuppföljning
4. automatisera uppföljning med AI-stöd i stället för manuella excelkedjor

3) AI blir värdefull först när datan är “driftsäker”

Jag har sett många AI-initiativ stanna i pilotläge för att masterdata, mätpunkter eller processer inte sitter. För energilagring gäller samma sak som i logistiken: dålig data ger snygga dashboards och svaga beslut.

Lägg hellre tid på:

• enhetliga artikelnummer och BOM-strukturer
• tydliga mätpunkter för drift (SOC, temperaturer, flöden, verkningsgrad)
• incident- och underhållshistorik som faktiskt går att analysera

Praktisk Q&A som ofta dyker upp

Är VRFB “bättre” än litiumjon?

Nej, den är bättre på vissa jobb. VRFB är särskilt starkt för lång varaktighet, många cykler och stabil drift över tid, medan litiumjon ofta är starkt i hög effekttäthet och snabb respons för kortare varaktigheter.

Varför är 500 MWh intressant ur nätperspektiv?

För att energidelen (MWh) avgör hur länge du kan leverera effekt. 50 MW kan låta modest jämfört med hundratals MW-projekt, men 10 timmar gör det relevant för att bära last över längre perioder och minska beroendet av gas.

Var kommer AI in först om man är ny?

Börja med två spår: prognoser (last/produktion/priser) och tillgångsförvaltning (underhåll, reservdelar, felprediktion). De ger snabbt beslut som märks i driften.

Vad händer 2026? Min bedömning

Energiåret 2026 kommer handla mindre om “hur mycket sol och vind kan vi bygga” och mer om “hur får vi systemet att fungera varje timme”. Långvarig energilagring blir då ett av de få verktyg som både kan sänka utsläpp och förbättra leveranssäkerhet.

Satsningen i västra Australien är därför en tydlig signal: när staten går in med kapital och lokala krav blir energilagring också en fråga om industrikapacitet och försörjningskedjor. Och där är AI inte en bonusfunktion – det är ett sätt att hålla kostnader, risk och drift i schack.

Om du arbetar med energi, logistik eller industriell supply chain i Sverige: vilka delar av din kedja är mest sårbara om ni skulle skala upp energilagring snabbt – komponenter, kompetens, data eller nätanslutning?