Digitale services til fleksibelt elforbrug: sådan hænger business case, data, styring og regler sammen

Fleksibelt elforbrug i praksis – hvad handler det om?

Fleksibelt elforbrug betyder, at elforbrug flyttes eller styres i tid, så det udnytter perioder med lavere priser, mindre belastning af elnettet og mere produktion fra vedvarende energi. Det kan være alt fra at køre store køleanlæg hårdere om natten til at lade elbiler, når der er rigelig vind i systemet.

På papiret lyder det enkelt. I virkeligheden kræver det, at tusindvis af enheder, aktører og systemer kan udveksle data og reagere automatisk på signaler. Det er her, digitale services kommer ind i billedet: de er det praktiske lag, der gør fleksibilitet styrbar, målbar og afregningsklar.

For virksomheder, boligforeninger og energisektoren er spørgsmålet derfor ikke kun, om fleksibelt elforbrug er en god idé. Det er: Hvilken business case kan det bære, hvilke data og teknologier skal være på plads, og hvordan spiller regulering og markedsmodeller ind?

Business case: hvor ligger værdien – og hos hvem?

De største gevinster ved fleksibelt elforbrug ligger på systemniveau, men de realiseres kun, hvis digitale løsninger gør dem konkrete for den enkelte aktør.

Ifølge en analyse fra Copenhagen Economics for CIP Fonden (2025) kan fleksibelt elforbrug i Danmark i 2035 give:

• Årlige forbrugergevinster på ca. 0,3 – 1,4 mia. kr. gennem lavere elomkostninger, fordi forbruget flyttes til billigere timer.
• Omkring 0,5 mia. kr. i ekstra årlig omsætning til vedvarende energiproducenter, fordi mere produktion kan sælges til fornuftige priser i stedet for at blive nedreguleret.
• CO₂-besparelser på 140.000 – 230.000 tons årligt, når fleksibilitet gør det lettere at integrere mere vind- og solenergi.
• Reducerede netinvesteringer på 7 – 12 pct. af et investeringsbehov på ca. 19 mia. kr. om året, fordi elnettet udnyttes smartere.

Det vigtige her er ikke det præcise tal, men fordelingen: værdien spreder sig på tværs af flere aktører.

• Slutkunder (virksomheder, kommuner, boligforeninger, husholdninger) kan spare på elregningen, hvis de kan reagere på prissignaler – ofte via automatiserede løsninger.
• VE-producenter får bedre afsætning for deres produktion, når forbrug kan følge produktionen bedre.
• Netvirksomheder (DSO’er) kan udsætte eller nedskalere dyre netforstærkninger, hvis spidsbelastninger flades ud.
• TSO’en (Energinet) og markedsaktører får et mere stabilt system med bedre balancemuligheder.

For den enkelte virksomhed betyder det, at business casen sjældent kun handler om direkte elbesparelser. Den kan også omfatte:

• Indtægter fra deltagelse i fleksibilitets- eller balancemarkeder (via aggregator eller elleverandør).
• Bedre udnyttelse af egne anlæg (fx varmepumper, batterier, køleanlæg).
• Bidrag til klima- og ESG-mål, som kan have værdi over for kunder, investorer og myndigheder.

Samtidig er det værd at understrege, at de økonomiske tal fra analyser som Copenhagen Economics er samfundsøkonomiske estimater. De er ikke en prisliste på konkrete SaaS-løsninger eller aggregatoraftaler, og gevinsterne i den enkelte case afhænger af anlæg, lastprofiler, markedsadgang og styringsgrad. Systematisk business-case-validering og realistiske beregninger bliver derfor afgørende, før man skalerer løsninger. Her kan det være nyttigt at bruge metoder som dem, der beskrives under business-case-validering og beregningseksempler.

Data som råstof: hvad skal være tilgængeligt?

Digitale services til fleksibelt elforbrug står og falder med, om de rigtige data er tilgængelige, tilstrækkeligt detaljerede og kan deles på tværs af systemer. De centrale datatyper, som går igen i analyser og projekter, er:

• Målerdata fra fjernaflæste elmålere – typisk time- eller kvartersdata, som viser forbrugs- og evt. produktionsmønstre.
• Prisdata fra engrosmarkedet (day-ahead, intraday), tariffer og balancemarkeder, som udgør selve styringssignalet for mange løsninger.
• Netdata om kapacitetsbegrænsninger, spændingsniveauer og lokale flaskehalse, der afgør, hvor fleksibilitet faktisk har værdi.
• SCADA-data (driftsdata fra anlæg og systemer), som beskriver tilstand, last, temperaturer mv. på de enheder, der skal styres.
• GIS-data om placering af anlæg, kunder og netkomponenter, som bruges til at forstå lokale sammenhænge og påvirkning på specifikke netområder.
• Andre drifts- og tilstandsdata, fx logfiler fra BMS-systemer, SRO-anlæg eller IoT-sensorer.

Rådata i sig selv skaber ingen værdi. NIRAS peger på, at værdiskabelsen ofte afhænger af, om data kan bruges på tværs af systemer, og om der findes integrationsplatforme frem for datasiloer. To niveauer er særligt vigtige:

• Teknisk integration: Kan måler-, pris- og SCADA-data flyde stabilt mellem elnetselskab, elleverandør, aggregator og kundens egne systemer, uden manuelle Excel-løsninger?
• Styringsintegration: Kan styringsalgoritmerne faktisk aktivere varmepumper, ventilationsanlæg, ladebokse eller batterier automatisk, når data viser, at det er optimalt?

Derfor er datastyring og governance ikke et sideprojekt, men en forudsætning. Hvis du vil undgå, at fleksibilitetsprojektet drukner i uigennemsigtige datastrømme, kan det være relevant at se på et minimums-setup for praktisk data governance og på, hvordan data contracts kan skabe klare aftaler om dataejerskab, kvalitet og ansvar.

Styringslogik og markedsmodeller: hvem gør hvad?

For at forstå digitale services til fleksibelt elforbrug er det nyttigt at skelne mellem to overordnede tilgange:

• Implicit fleksibilitet: Forbrugeren reagerer direkte på pris- og tarifsignaler, fx med timepris på el og variable nettariffer. Styringen kan være manuel (brugeren flytter selv forbrug) eller automatisk (fx en varmepumpe, der følger elprisen).
• Eksplicit fleksibilitet: Forbrugeren eller en aggregator tilbyder fleksibilitet aktivt på et marked, fx som balancerings- eller reserveressource. Her er der klare aftaler om, hvor meget forbrug der kan op- eller nedreguleres hvornår, og hvordan det afregnes.

Flere aktører spiller sammen i dette billede:

• TSO (Energinet) har ansvar for det overordnede elsystem og driver balancemarkeder, hvor fleksibilitet kan handles.
• DSO’er (distributionsselskaberne) ejer og driver elnettet lokalt og har interesse i at bruge fleksibilitet til at håndtere lokale kapacitetsproblemer.
• Elleverandører leverer strøm og kan tilbyde produkter med dynamiske priser og fleksibilitetsydelser til kunderne.
• Aggregatorer samler fleksibilitet fra mange små enheder (fx bygninger, elbiler, varmepumper) og tilbyder den samlet på markederne.
• Slutkunder stiller deres forbrug og anlæg til rådighed, mod betaling eller besparelser, direkte eller via en aggregator/elleverandør.

Digitale services binder dette sammen ved at:

• Indsamle måle- og driftsdata fra kundens anlæg.
• Modtage pris-, net- og markedssignaler fra TSO/DSO/markeder.
• Beslutte, hvornår og hvor meget der kan flyttes, uden at gå på kompromis med komfort eller proceskrav.
• Udføre styringen i realtid, ofte via skybaserede platforme, der kommunikerer med lokale controllere.

Topkilderne fremhæver, at gevinsterne afhænger stærkt af den valgte markedsmodel: Hvem må agere aggregator? Hvordan sker afregningen? Er der lokale fleksibilitetsmarkeder hos DSO’erne? Og hvor let er det for slutkunder at tilslutte sig uden omfattende transaktionsomkostninger?

En gennemgående pointe er også behovet for koordinering. Uden fælles styringslogik risikerer man, at mange fleksible enheder reagerer ens på samme prissignal og dermed skaber nye spidser i stedet for at fjerne dem. Her bliver avanceret beslutningsstøtte og algoritmer vigtigere end endnu et dashboard. Hvis du vil dykke ned i, hvordan data omsættes til beslutninger, kan kategorien om beslutningsstøtte og dashboards være relevant.

Teknologier og services: hvad kendetegner de bedste løsninger?

Selv om projekter og leverandører bruger forskellige begreber, går en række teknologiske elementer igen i de mest vellykkede cases:

• Smart styring af konkrete enheder:
  • Varmepumper i erhvervs- og boligbyggeri, der kører mere, når el er billig og grøn, og drosler ned i dyre timer.
  • Elbiler og flådeladning, hvor opladningen planlægges efter både brugerens behov og pris- eller fleksibilitetssignaler.
  • Solceller og husstandsbatterier, hvor lagring og egenforbrug optimeres automatisk.
  • Store industrielle laster (køling, ventilation, pumper), hvor produktionskrav sættes i system med elpriser og netbegrænsninger.
• IoT og sensorer, der giver finmasket data om temperatur, last, driftstilstand og komfortniveau, så styringen ikke kun er baseret på historiske forbrugsprofiler.
• Cloud-løsninger, som samler data, kører optimeringsalgoritmer og distribuerer styringsbeskeder til lokale enheder.
• Algoritmer og predictive control, hvor forbrug og produktion prognosticeres, og styringen optimerer på tværs af de næste timer eller døgn frem for kun at reagere øjeblikkeligt.
• Digitale tvillinger af bygninger eller anlæg, hvor man simulerer effekten af forskellige styringsstrategier, før de rulles ud.

DTU og andre forskningsmiljøer understreger, at enheder og elnet skal kunne kommunikere på en standardiseret måde. Uden fælles protokoller og åbne grænseflader ender man hurtigt med proprietære øer, som er svære at integrere i nye markedsmodeller.

Exergi og andre aktører påpeger, at manuel reaktion på prissignaler typisk er for svag og for langsom til at levere reel systemværdi. Skal fleksibilitet skaleres, er automatisering nødvendig – og det kræver solid it-arkitektur og gennemtænkte integrationsmønstre. Her kan det være nyttigt at orientere sig i kategorierne om it-arkitektur og systemlandskab, data analytics og AI samt automatisering og effektivisering.

Et vigtigt valg er, hvor avanceret styringen skal være. Mange projekter starter med simple regler (fx “kør maks. i timer med pris under X”), mens mere modne løsninger bruger optimering og eventuelt AI. Hvis du overvejer AI-baseret styring, kan det være en fordel at læse om, hvordan man bygger kun den AI-styring, man faktisk har brug for i stedet for at forfølge de mest komplekse modeller fra start.

Hvad lærer vi af projekter og rapporter?

Flere danske og europæiske projekter har i praksis testet digitale løsninger til fleksibelt elforbrug. De dækker alt fra store industrikunder til boligområder og lokale energifællesskaber.

Et eksempel er et forløb hos Teknologisk Institut med store energiforbrugere over 0,1 GWh om året. Her var fokus blandt andet på:

• Transparens i energiforbrug med detaljeret måling og visualisering af, hvor og hvornår energien bruges.
• Visualisering af prissignaler, så driftspersonale kan se sammenhængen mellem produktion, forbrug og elpris.
• Kommunikation til styringssystemer, så prissignaler ikke bare ender i et dashboard, men faktisk påvirker styringen af anlæg.

Andre projekter som SmartNet, eBalance+, CITIES og FED har udforsket:

• Samspil mellem elnet og fleksible enheder i stor skala.
• Markedsdesign, hvor både TSO og DSO kan købe fleksibilitet.
• Digitale platforme, der koordinerer mange aktører og enheder.

På tværs af projekterne går nogle mønstre igen:

• Teknikken til at styre en enkelt bygning eller et enkelt anlæg findes allerede og virker typisk fint i pilotprojekter.
• De store udfordringer opstår, når løsningerne skal skaleres til mange kunder, mange lokationer og forskellige typer anlæg.
• Brugervenlighed for driftspersonale og klar kobling til forretningsmål er afgørende, hvis projekterne skal overleve bagefter. Her kan principperne fra dashboards, der ikke spilder nogens tid, være værd at tage med ind allerede i designfasen.

Regulatoriske rammer: hvad sætter grænser og muligheder?

Digitalisering og fleksibelt elforbrug sker ikke i et vakuum. De centrale regulatoriske rammer i Danmark sætter både krav og muligheder for digitale services:

• Elforsyningsloven og tilhørende bekendtgørelser definerer roller og ansvar for elnetselskaber, leverandører, aggregering mv. og sætter rammerne for, hvordan markedsmodeller kan designes.
• Netudviklingsplaner beskriver, hvordan elnettet skal udbygges de kommende år. Øget fokus på fleksibilitet kan ændre, hvilke investeringer der er nødvendige, og skabe incitamenter for at bruge fleksibelt forbrug som alternativ til netforstærkning.
• Krav om fjernaflæste målere og timeafregning gør det teknisk muligt at afregne fleksibelt forbrug efter faktiske tidsprofiler frem for faste skabeloner. Uden dette ville mange fleksibilitetsprodukter reelt være umulige.
• Energinets flexafregning fastlægger, hvordan fleksibelt forbrug og produktion kan indgå i markeder og balancering, og hvordan data udveksles mellem aktører.
• GDPR og datasikkerhed regulerer behandling af persondata og følsomme driftsdata. Mange fleksibilitetsløsninger arbejder med detaljerede forbrugsprofiler, som kan sige meget om adfærd, og det kræver klare aftaler og tekniske kontroller.
• Cybersikkerhedskrav, bl.a. via NIS2, sætter voksende krav til kritisk infrastruktur og tilhørende digitale tjenester. Hvis fleksibilitetsløsningen reelt bliver en del af kritisk energiinfrastruktur, skal styringen leve op til skærpede krav til modstandsdygtighed, beredskab og governance.

NIRAS fremhæver, at digitalisering kun kan skaleres, hvis rammevilkårene understøtter, at data må deles, at aktørroller er klare, og at der er rimelig reguleringsmæssig sikkerhed for de forretningsmodeller, der skal bygges ovenpå.

For mange aktører betyder det, at compliance ikke kan klares til sidst i projektet. Arkitektur, dataflow, ansvar og sikkerhed skal tænkes ind fra starten. Erfaringer fra andre regulerede områder, fx NIS2-arbejdet i artiklen NIS2 uden panik eller kravene til digital robusthed i DORA, kan ofte oversættes direkte til energisektoren: klar risikovurdering, dokumenteret ansvar og teknisk sporbarhed.

Hvis du arbejder bredere med regulering og erhvervsvilkår, kan kategorien om regulering, politik og erhvervsvilkår give et bredere perspektiv på samspillet mellem teknologi og regler.

Barrierer og faldgruber: hvorfor er det svært at skalere?

Mange rapporter peger på, at de største barrierer for fleksibelt elforbrug ikke er mangel på data eller styringsteknologi i sig selv, men fragmentering og manglende koordinering.

De typiske udfordringer er:

• Datasiloer og manglende integration: Målerdata ligger ét sted, SCADA-data et andet, prisdata et tredje – og ingenting taler sammen uden manuelle mellemled.
• Skiftende software- og cloudstandarder: Fleksible enheder som varmepumper, køleanlæg eller batterier har ofte en levetid på 10 – 20 år, mens software, protokoller og cloudplatforme ændrer sig langt hurtigere. Det skaber risiko for teknisk gæld og låsning.
• Cybersikkerhedsrisici: Flere tilsluttede enheder og fjernstyring øger angrebsfladen. Uklare ansvarsforhold mellem leverandør, kunde og netvirksomhed kan gøre det svært at håndtere sikkerhedsbrud.
• Usikkerhed om monetarisering: Det kan være uklart, hvordan og hvor fleksibilitet kan sælges, og hvilke markedsindtægter man realistisk kan regne med.
• Organisatoriske siloer: Energi-, it-, drift- og økonomifunktioner arbejder ikke nødvendigvis sammen, og fleksibilitetsprojekter får derfor svært ved at komme ud af pilotfasen.

Flere kilder understreger, at data i sig selv sjældent er den primære flaskehals. Problemet opstår, når arkitekturen ikke er gennemtænkt, og når ingen har et samlet ansvar for at binde data, styring, forretning og regulering sammen. Erfaringer fra SaaS-verdenen, fx om platforme der vokser uden klar ejerskab, som beskrevet i skalering af SaaS, er meget genkendelige i fleksibilitetsprojekter.

Fem centrale spørgsmål, før du starter et projekt

Hvis du overvejer at sætte gang i et projekt for fleksibelt elforbrug – uanset om du sidder i en virksomhed, en kommune, et netselskab eller hos en leverandør – kan det være nyttigt at starte med nogle få, men konkrete spørgsmål.

1. Hvilke data har vi, og hvilke mangler vi?

• Har vi adgang til time- eller kvartersmålerdata for de relevante anlæg?
• Har vi et overblik over lastprofiler og driftsmønstre i dag?
• Ved vi, hvor data ligger, og hvem der ejer og forvalter dem?
• Er datakvaliteten god nok til, at vi kan stole på beregnede KPI’er?

Hvis svaret er uklart, er det værd at investere i et enkelt, robust setup til datakvalitet og datastyring og at få styr på, hvad dine KPI’er egentlig kæder sig op på, fx med hjælp fra artiklen om KPI-kæder.

2. Hvilke investeringer er nødvendige – og hvad er tidshorisonten?

• Skal vi investere i nye målere, sensorer, styringsbokse eller it-platforme?
• Kan vi genbruge eksisterende BMS/SRO/SCADA-systemer, eller kræver det ny arkitektur?
• Hvor lang en levetid forventer vi på hardware og software – og er de tidshorisonter realistisk afstemt?
• Har vi en model for, hvordan vi løbende opdaterer software uden at underminere stabil drift?

Her kan det være en hjælp at se fleksibilitet som en investeringscase med klare antagelser om CAPEX, OPEX og risici, fx med inspiration fra investeringseksempler.

3. Hvem ejer data og styringsretten?

• Hvem ejer de data, der genereres af målere, sensorer og styringssystemer?
• Hvem må bruge data til optimering, og må de deles med tredjepart (fx aggregatorer)?
• Hvem har det sidste ord, hvis der er konflikt mellem komfort/produktion og fleksibilitetsaktivering?

Klarhed om dataejerskab og ansvarsfordeling kan med fordel formaliseres i aftaler, fx med principper som i data contracts.

4. Hvordan sikrer vi compliance og sikkerhed?

• Behandler vi persondata eller følsomme produktionsdata, og er det håndteret i overensstemmelse med GDPR?
• Har vi et overblik over cybersikkerhedsrisici og en plan for håndtering?
• Passer vores løsning ind i de regulatoriske krav til energisektoren og evt. NIS2?

Det kan ofte betale sig at genbruge strukturen fra eksisterende sikkerheds- og compliancearbejde, som i NIS2-tilgangen beskrevet i denne guide.

5. Kan løsningen spille sammen med elleverandør, DSO og eventuelle markedsmekanismer?

• Ved vi, hvilke markeder vi realistisk kan deltage i (implicit og/eller eksplicit fleksibilitet)?
• Har vi en plan for integration til elleverandør, aggregator eller DSO, så data og afregning kan håndteres automatisk?
• Er vores it-arkitektur designet, så vi kan tilføje nye markedsprodukter uden at bygge om fra bunden?

Når disse spørgsmål er besvaret nogenlunde klart, bliver det væsentligt nemmere at vurdere leverandørtilbud og undgå at lade sig forføre af flotte demoer, der ikke matcher virkeligheden. Erfaringerne fra artiklen om valg af AI-platforme er overraskende relevante også for energi- og fleksibilitetsløsninger.

Fra pilot til drift: hvad kendetegner de projekter, der lykkes?

Samlet set peger både analyser og projekter på nogle fælles træk hos de aktører, der får fleksibelt elforbrug til at fungere i praksis:

• De starter med få, klart definerede anvendelsescases og bygger gradvist op, i stedet for at forsøge at digitalisere al fleksibilitet på én gang.
• De har en tydelig forretningsforankring, hvor energiforbrug, økonomi, bæredygtighed og drift tænkes sammen – ofte med ESG-mål som en del af business casen. Her kan kategorien om bæredygtighed og ESG i forretningen give ekstra vinkler.
• De investerer i simple, men robuste datainfrastrukturer og governance frem for hurtige ad hoc-integrationer.
• De ser styring og automatisering som en løbende kapabilitet, ikke et engangsprojekt.
• De dokumenterer resultaterne løbende med meningsfulde KPI’er og visualiseringer, som både drift og ledelse kan bruge.

Hvis du vil se, hvordan andre organisationer konkret har grebet digitalisering, data og styring an i praksis, kan du med fordel kigge på vores samling af case stories og praktiske eksempler. Her ligger der ofte mønstre, der kan overføres direkte til fleksibilitetsprojekter – også selv om domænet ikke altid er energi.