AI-optimerad vanadiumflödesbatteri: lärdomar från 500MWh

En siffra som säger allt: 50MW/500MWh. Det är vad Västaustralien nu har satt i spel i Kalgoorlie – ett vanadium redox flow-batteri (VRFB) med 10 timmars varaktighet. Det här är inte ännu ett ”batteriprojekt i mängden”. Det är ett tydligt tecken på att långvarig energilagring (LDES) börjar ta en mer central roll när elnät ska ställa om från fossilt till förnybart.

För dig som följer serien ”AI inom logistik och supply chain” finns en extra intressant twist: projektet ställer krav på lokal tillverkning och lokalt utvunnet och processat vanadium. Med andra ord – det handlar inte bara om energiteknik, utan om industripolitik, försörjningskedjor, kapacitet i produktion och riskhantering. Och när en anläggning ska leverera nytta i 20–30 år blir nästa fråga självklar: hur driver man den smartare än konkurrenterna? Där kommer AI för energisystem in.

Varför 500MWh VRFB är mer än en rubrik

Svar först: 500MWh med 10 timmars varaktighet betyder att lagringen kan hantera långvariga obalanser i nätet – inte bara snabba frekvensstörningar.

Litiumjonbatterier dominerar korttidslagring (minuter till ett par timmar). Men när vind och sol blir en större del av mixen ökar behovet av att flytta energi över hela dygnet, särskilt vid:

• kvällstoppar när solproduktion faller
• perioder med låg vind
• planerade avställningar av fossil kraft

Kalgoorlie-projektet är dessutom tänkt att ersätta rollen som en 57MW gaseldad kraftstation (West Kalgoorlie Power Station) som ska tas ur drift nästa år. Det sätter press på att lagringen inte bara ska ”finnas”, utan leverera pålitligt.

VRFB i korthet (utan säljsnack)

Svar först: VRFB passar när du vill ha många cykler, lång livslängd och hög säkerhet – och när plats/volym inte är den hårdaste begränsningen.

VRFB lagrar energi i en flytande elektrolyt (vanadium i olika oxidationstillstånd) som pumpas genom en cellstack. Praktiskt innebär det:

• Energi (MWh) skalar med tankstorlek
• Effekt (MW) skalar med cellstackens storlek
• Systemet kan cyklas mycket utan samma degraderingsprofil som många litiumsystem

För elnät med växande andel förnybart är kombinationen av 10 timmar och hög cykeltålighet attraktiv – men det är i driften som projektet vinner eller förlorar.

Där AI gör störst skillnad: drift, prognoser och intäkter

Svar först: AI hjälper LDES att bli en nätresurs som kan planera, prioritera och tjäna pengar – inte bara en stor energitank.

Ett 10-timmarsbatteri är dyrt att bygga. Det betyder att den dagliga nyttan måste maximeras. Jag har sett många lagringscase falla på en sak: man räknar hem investeringen med ett ”snittscenario”, men driften blir inte optimerad när verkligheten är stökig.

Här är tre områden där AI (maskininlärning + optimering) är mest konkret.

1) Efterfrågeprognoser som är bra på riktigt

Svar först: Bättre prognoser ger bättre beslut om när batteriet ska laddas/ur-laddas och hur mycket reserv som ska hållas.

I praktiken behöver operatören svar på:

• Hur ser lasttoppen ut mellan 17:00–21:00?
• Hur sannolikt är det med pris- eller balansspikar?
• Vilken vind/sol-produktion kommer in de närmaste 4–24 timmarna?

AI-modeller kan kombinera historik med:

• väderdata
• kalenderbeteenden (helger, industriskift, evenemang)
• nätbegränsningar

För Sverige är analogin tydlig: vinterperioder med hög last, låg sol och varierande vind kräver bättre prediktion – annars kör man lagringen ”på känsla” och tappar värde.

2) Optimering mot flera mål samtidigt

Svar först: LDES måste ofta optimera flera nyttor parallellt: energiarbitrage, nätstöd, kapacitetsnytta och driftsäkerhet.

Ett VRFB kan:

• kapa effekttoppar
• flytta energi över dygnet
• stödja nätets stabilitet
• agera lokal reserv vid störningar

AI-baserad optimering (t.ex. mixed-integer optimisation eller reinforcement learning med hårda säkerhetsregler) kan väga målkonflikter:

• Tjäna pengar på prisvariationer vs ha tillräcklig energireserv om en störning inträffar
• Ladda billigt vs undvika att skapa nya flaskhalsar i lokala nätet

Det här är exakt samma typ av problem som i supply chain: begränsade resurser, många mål, osäkra prognoser. Skillnaden är att besluten i elnät ofta måste tas varje kvart eller timme.

3) Prediktivt underhåll och kemisk ”hälsa”

Svar först: AI kan förutse servicebehov och driftsavvikelser innan de blir avbrott, vilket är extra viktigt när lagringen ersätter fossil reserv.

VRFB-system har pumpar, ventiler, sensorer och elektrolytbalans. Driftdata kan användas för att upptäcka:

• pumpdegradering (energiförbrukning/tryckprofil)
• avvikande temperaturmönster
• obalans mellan tankar (påverkar verkningsgrad)

Prediktivt underhåll är inte en ”bonusfunktion” när anläggningen ska bära del av försörjningstryggheten. Det är driftsekonomi.

Supply chain-perspektivet: lokal vanadiumkedja som strategi

Svar först: Kravet på lokal tillverkning och lokalt vanadium minskar geopolitisk risk men ökar kraven på planering, kvalitet och kapacitetsstyrning.

Västaustralien kräver att batteritekniken ska vara tillverkad i regionen och att vanadium ska vara lokalt utvunnet och processat. Det är en klassisk ”resiliens-över-kostnad”-strategi.

Men den kommer med praktiska frågor som svenska industribolag känner igen:

• Hur säkrar man kvalitet och spårbarhet i ett nytt materialflöde?
• Hur dimensionerar man processkapacitet så att man inte får en flaskhals i raffinering?
• Hur hanterar man prisrisk på vanadium om marknaden svänger?

AI i leveranskedjan för energilagring

Svar först: AI behövs inte bara i batteriets drift, utan i hela kedjan – från gruva till elektrolyt till service.

Konkreta användningsfall för AI inom logistik och supply chain i ett VRFB-case:

1. Efterfrågeplanering för elektrolyt och reservdelar baserat på driftprofil och servicehistorik
2. Optimerad lagerstyrning (multi-echelon) för kritiska komponenter: pumpar, sensorer, stackmoduler
3. Riskmodellering: sannolikhet för leveransstörningar, ledtidsvariationer och kapacitetsbrist
4. Kvalitetsanalys: koppla processdata från raffinering till prestandadata i drift för att hitta rotorsaker

Det här är samma disciplin som svenska företag använder för att säkra komponentflöden till batterifabriker, vindkraftsservice eller elnätsutbyggnad – men här kopplas det direkt till energisystemets robusthet.

Vad svenska aktörer kan lära av Kalgoorlie (och vad man bör undvika)

Svar först: LDES blir mest värdefull när teknikval, affärsmodell, dataarkitektur och supply chain designas samtidigt.

Många projekt gör misstaget att tänka i ordningen: ”Bygg först, optimera sen.” För 10-timmarslagring är det dyrt. Här är ett mer praktiskt angreppssätt som jag tycker håller.

En enkel checklista innan ni går vidare

• Definiera användningsfallen (arbitrage, nätstöd, ersätta fossil reserv, lokala flaskhalsar) och rangordna dem.
• Sätt datakrav tidigt: vilka sensorer, vilken upplösning, hur datan lagras och delas.
• Bygg en digital tvilling light: en driftmodell som går att köra scenarier på (väder, pris, last, fel).
• Knyt AI till beslut: prognoser utan koppling till dispatch/planering blir PowerPoint.
• Supply chain som en del av systemdesignen: servicekontrakt, reservdelsstrategi och materialspårbarhet är inte ”senare”.

Myten: ”Långvarig lagring är bara en större batterilåda”

Svar först: LDES är ett planeringsproblem, inte bara en teknikinvestering.

När varaktigheten går från 2 timmar till 10 timmar ändras dynamiken:

• fel i prognoser blir dyrare
• fel i styrning får större följdeffekter
• driftstrategi måste ta hänsyn till morgondagens risk, inte bara dagens pris

Det är precis därför AI passar så bra här: den kan hantera osäkerhet och multi-mål på ett sätt som manuella rutiner sällan klarar.

Nästa steg: från ”pilot” till skala – och varför 2026 blir avgörande

Svar först: 2026 blir året då fler elnät tvingas välja mellan att bygga mer fossil reserv eller att göra lagring och flexibilitet till basresurs.

Kalgoorlie-projektet är finansierat med AU$150 miljoner i offentligt stöd och är kopplat till en tydlig omställning (gas avvecklas, lagring tar roll). Den typen av signaler påverkar hela ekosystemet: investerare, leverantörer, utbildning och standarder.

För svenska bolag inom energi, industri och logistik är frågan inte om LDES och smarta nät kommer spela större roll, utan hur snabbt. Den som redan nu kopplar ihop AI, driftoptimering och supply chain-resiliens får en mer robust affär – och ett energisystem som faktiskt håller när det blåser dåligt i flera dygn.

Om du planerar ett lagringsinitiativ (eller levererar teknik/komponenter till ett), börja med att skriva ner en sak: vilka beslut ska AI få påverka inom 90 dagar? Det avslöjar direkt om ni bygger en fungerande lösning eller bara samlar data.