2026-04-24

AI och smart mjukvara framtidssäkrar elnätet i Lerum

Hur säkerställer man att kunder betalar rätt avgift samtidigt som man planerar för ett elsystem i snabb förändring? Genom att kombinera avancerad mjukvaruutveckling med praktiskt fältarbete har Lerum Energi tagit stora kliv framåt. Vi har pratat med nätutvecklingschef Frida Vånder och mjukvaruutvecklare Max Rand om tre projekt som både skapar kundnytta och visar på teknisk innovation.

Att driva ett modernt elnätsbolag handlar idag både om att använda data på ett smart sätt, såväl som att ha ett välfungerande elnät. Under det senaste året har Lerum Energi drivit och deltagit i flera projekt där artificiell intelligens (AI) och smarta algoritmer står i centrum.

1. Framtidens elnät med federerad inlärning

Det mest omfattande projektet har skett i nära samverkan med AI Sweden och finansierats av Vinnova. Under ett års tid (hösten 2024–hösten 2025) har Lerum Energi, tillsammans med sex andra nätbolag och teknikpartnern Scaleout, utforskat en banbrytande teknik: federerad maskininlärning.

– Det stora genombrottet här är att vi bevisat att det går att samarbeta och träna AI-modeller mellan olika elnätsbolag utan att dela känslig rådata med varandra, förklarar Frida Vånder.

Genom att analysera mönster i kundernas elförbrukning har projektet lyckats ta fram en standardiserad datastruktur för elnätsdata, skapa en prototyp för en maskininlärningsmodell som detekterar olika kundbeteenden samt etablera en gemensam plattform för framtida AI-samarbete inom branschen.

Även om de faktiska modellerna ännu befinner sig på forskningsstadiet, ser Max Rand stor potential för framtiden.

– Vi har gjort klusteranalyser och visualiseringar för att förstå hur tekniken kan användas för att exempelvis förutse topplaster, upptäcka mätarfel och förbättra vår långsiktiga nätplanering, säger han.

2. Rättvisa avgifter genom AI vid mätarplatsen

Ett annat konkret projekt har handlat om att säkerställa att kunderna betalar för exakt den säkringsstorlek de använder. I samband med det stora mätarbytet (2023–2024) fotograferades tusentals mätarplatser.

Max Rand har utvecklat en AI-modell som automatiskt analyserar bilderna och identifierar säkringsstorlekar genom att känna igen färgen på passkontakterna. Denna data har sedan korskörts med kundsystemet för att hitta avvikelser.

– Det handlar om ordning och reda, men framför allt om rättvisa, säger Frida Vånder. När vår dokumentation stämmer med verkligheten behöver ingen kund betala för mer än vad de faktiskt har möjlighet att använda. Samtidigt får vi mer exakta nätberäkningar i vårt nätinformationssystem som hjälper oss ta bättre beslut om planerade investeringar.

3. Smidigare kundmöten med nytt tariffverktyg

För att stötta kunderna i övergången till nya prismodeller utvecklade Frida och Max ett internt tariffverktyg. Syftet var att stötta kundservice i sin information till kunderna, och i slutändan göra elnätskostnaderna mer begripliga för våra kunder.

Verktyget kunde på ett transparent sätt visualisera skillnader i månadskostnad samt mellan kostnadskomponenterna fast avgift, energiavgift och effektavgift.

– Det gjorde att kundservice snabbt och enkelt kunde förklara hur olika modeller påverkade kundens totala kostnadsbild, säger Frida. Det gav en snabbare och bättre service under en period av stora förändringar i branschen. Efter regeringens beslut om effekttariffer pausade vi dock införandet och utvecklingen av verktyget är därför vilande just nu.

Mötet mellan IT och domänkunskap

Gemensamt för projekten är hur olika kompetenser har samverkat för att nå resultat. – Att få kombinera mjukvaruutveckling med praktisk och teoretisk domänkunskap har varit otroligt värdefullt, avslutar Max Rand. Det är i det mötet som vi verkligen har kunnat utveckla lösningar som fungerar i praktiken och gör nytta för Lerumsborna idag och i framtiden.

Frida Vånder, nätutvecklingschef, och Max Rand, mjukvaruutvecklare, som tillsammans arbetat med utvecklingen av AI-baserade lösningar inom Lerum Energi.

Fakta om projektet

Partners: AI Sweden, Lokalkraft, Herrljunga Elektriska, Jönköping Energi, Kinnekulle Energi, Mölndal Energi, Öresundskraft samt Scaleout.
Finansiering: Vinnova.
Teknik: Federerad maskininlärning innebär att AI-modeller tränas lokalt hos varje bolag. Endast modellens "insikter" delas, inte den faktiska kunddatan, vilket säkerställer hög integritet och säkerhet.
Maskininlärningsmodell (klusteranalys): En metod inom maskininlärning där anläggningar grupperas baserat på liknande förbrukningsmönster i data. Detta gör det möjligt att identifiera olika kundgrupper, till exempel hushåll med värmepump, direktverkande el eller fjärrvärme, och använda den kunskapen för bättre analys och planering.