Het probleem
In december 2025 kondigde PJM Interconnection — de grootste netbeheerder van de Verenigde Staten, die 65 miljoen mensen in 13 staten van elektriciteit voorziet — iets aan dat nooit eerder was gebeurd. Zijn capaciteitsveiling kwam 6,623 megawatt tekort op wat het net nodig heeft om in 2027/2028 de lichten aan te houden. Dat gat komt ruwweg overeen met de productie van zes grote energiecentrales die simpelweg in het systeem ontbreken.
De veiling bereikte in de hele regio het federale prijsplafond van $333.44 per megawatt-dag. De totale kosten: $16.4 miljard. Toch was zelfs tegen die maximumprijs de beschikbare stroom onvoldoende om aan de betrouwbaarheidsdoelstellingen te voldoen. De reservemarge — uw veiligheidsbuffer tegen blackouts — daalde naar 14.8%, ruim onder de norm van 20% die is ontworpen om grootschalige stroomuitval te voorkomen.
Ondertussen kampt het ERCOT-net in Texas met een andere maar verwante crisis. De wachtrij van grote klanten die op een aansluiting wachten — vooral datacenters — is opgelopen tot 233 gigawatt. Dat is bijna drie keer de volledige piekvraag van het Texaanse net. Maar ERCOT voegde in 2025 slechts 23 gigawatt aan nieuwe opwekcapaciteit toe. De rekensom klopt gewoonweg niet.
Als uw organisatie actief is in PJM-gebied of afhankelijk is van Texaanse stroom, dan moeten deze cijfers u de slaap kosten. Het tijdperk van goedkope, overvloedige elektriciteit loopt ten einde.
Waarom dit belangrijk is voor uw bedrijf
Dit is geen abstract infrastructuurprobleem. Het raakt uw balans rechtstreeks.
Een nieuwe analyse toont aan dat de groei van datacenters in de PJM-regio vanaf 2028 tot en met 2033 $163 miljard aan cumulatieve capaciteitskosten kan veroorzaken. Alleen al in het ComEd-gebied in Noord-Illinois betekent dat $21.4 miljard. Huishoudelijke klanten daar krijgen te maken met een verwachte stijging van $70 per maand. Als u industriële activiteiten of grote faciliteiten in deze zones exploiteert, is uw blootstelling proportioneel groter.
Dit is wat uw leiderschapsteam moet begrijpen:
- Uw energiekosten stijgen structureel. De PJM-veiling zat op het maximum van het FERC-prijsplafond. Dat plafond maskeerde de echte schaarsteprijs. Zodra toezichthouders het uiteindelijk bijstellen, springen de prijzen opnieuw omhoog.
- Uw betrouwbaarheidsrisico groeit. Een reservemarge van 14.8% betekent een verhoogd risico op load-shedding — gecontroleerde blackouts — vanaf juni 2027. Kan uw bedrijfsvoering geen onderbreking tolereren, dan hebt u nu noodplannen nodig.
- Uw uitbreidingsplannen kunnen vastlopen. In ERCOT komt 77% van de interconnectieaanvragen voor grote lasten van datacenters. Als u een nieuwe vestiging in Texas plant, concurreert u met 233 GW aan aanvragen om 23 GW aan beschikbare capaciteit. Ongeveer 35% van de voorgestelde gascentraleprojecten is alweer teruggetrokken, met een beroep op turbinetekorten en vergunningsvertragingen.
- De regelgevingsdruk neemt toe. Texas nam Senate Bill 6 aan, die gestandaardiseerde interconnectieregels verplicht en toezichthouders toestaat om bij noodsituaties het stroomverbruik van datacenters te beperken. FERC Order 2023 vereist nieuwe clusterstudieprocessen. Uw nalevingsverplichtingen worden steeds omvangrijker.
De kern van de zaak: uw energiebudget, uw operationele continuïteit en uw groeitijdlijn lopen allemaal risico.
Wat er werkelijk achter de schermen gebeurt
Het kernprobleem is een klif van buitendienststellingen. Tussen 2011 en 2023 verloor PJM 54.2 gigawatt aan thermische centrales — kolen- en gascentrales die op vraag draaien, ongeacht het weer. Nog eens 24 tot 58 gigawatt zou tegen 2030 buiten dienst kunnen raken. Dat is tot 30% van de geïnstalleerde capaciteit.
Dit is de reden dat vervangingen de achterstand niet inhalen. Vergelijk het met een betrouwbare auto vervangen door fietsen: u hebt veel meer fietsen nodig om dezelfde lading te vervoeren. De eigen analyse van PJM toont dat het vervangen van 1 megawatt aan thermische opwek die buiten dienst gaat, ongeveer 5.2 megawatt aan zonnestroom of 14 megawatt aan windstroom vereist om dezelfde betrouwbaarheid te leveren. Zon en wind produceren alleen stroom als de zon schijnt of de wind waait. Een gascentrale draait wanneer u die nodig hebt.
PJM paste zijn berekeningen aan om deze realiteit te weerspiegelen. Het verlaagde de betrouwbaarheidsbijdrage — Effective Load Carrying Capability, of ELCC — voor intermitterende bronnen zoals zon en wind. Naarmate meer van deze bronnen worden aangesloten, draagt elke bijkomende eenheid minder bij aan het stabiel houden van het net tijdens de piekvraag.
Tegelijkertijd stijgt de vraag sterk op specifieke locaties. PJM meldde een toename van 5,250 megawatt in zijn vraagprognose, vrijwel volledig veroorzaakt door datacenters. In sommige zones bedragen de prognoses voor de groei van de zomerpiek 6.4% per jaar. Deze geconcentreerde belasting creëert lokale spanningspunten waar onderstations en hoogspanningslijnen overbelastingsrisico lopen.
Het net kan fysiek niet snel genoeg groeien. Het moet dus slimmer worden. Dat is waar AI in beeld komt — maar niet elke AI is aan deze taak opgewassen.
Wat werkt (en wat niet)
Laten we beginnen met wat tekortschiet wanneer u AI toepast op een probleem van deze complexiteit.
Generieke chatbots en LLM-wrappers. Een groot taalmodel aan uw operationele dashboard koppelen geeft u een conversatie-interface, geen intelligentie van het net. Het begrijpt de natuurkunde van de elektriciteitsstromen niet.
Eenvoudige regressieprognoses. Eenvoudige statistische modellen die de belasting voorspellen op basis van historische gemiddelden missen de niet-lineaire dynamiek van een net waar in twaalf jaar tijd 54 gigawatt aan dispatchbare opwek verdween.
Voorspellende analyses van het type één-maat-voor-allen. Standaard machine learning behandelt netdata als een plat rekenblad. Het negeert de fysieke structuur — welk onderstation op welk ander station is aangesloten en hoe een storing op het ene knooppunt door het netwerk heen overslaat.
Wat wél werkt, is AI die de natuurkunde en de structuur van het net respecteert. Dit is hoe het in de praktijk functioneert:
Input: realtime fysische gegevens, niet alleen historische trends. Systemen voor Dynamic Line Rating (DLR) gebruiken IoT-sensoren en weergegevens om de werkelijke capaciteit van hoogspanningslijnen in realtime te meten. Traditionele classificaties gaan uit van worst-case omstandigheden en laten 20-40% van de capaciteit onbenut. In Indiana en Ohio zette AES DLR in op 345 kV-lijnen en verhoogde daarmee de transportcapaciteit met 61% — tegen kosten van $0.39 miljoen versus $1.63 miljoen voor traditionele upgrades. Dat is een kostenbesparing van 76%.
Verwerking: fysica-bewuste AI-modellen. Physics-Informed Neural Networks — kortweg PINNs — verankeren de feitelijke natuurwetten van elektrische systemen in het AI-model zelf. In plaats van patronen uitsluitend uit gegevens af te leiden, dwingen ze de vergelijkingen af die bepalen hoe generatoren, lijnen en lasten op elkaar inwerken. Deze modellen lossen stabiliteitsanalyses tot 87 keer sneller op dan conventionele methoden. Graph Neural Networks (GNN's) behandelen het net als wat het in werkelijkheid is — een netwerk van verbonden knooppunten — en voorspellen hoe storingen zich over de topologie verspreiden. Op GNN's gebaseerde modellen haalden een F1-score van 0.8935 bij het identificeren van onderstations die binnen 30 dagen uitvalrisico lopen.
Output: verklaarbare beslissingen met auditsporen. Wanneer de AI een risico op cascaderende uitval signaleert, genereert hij een op grafen gebaseerde uitleg die precies laat zien welke lijnen en onderstations het risico veroorzaken. Uw operators zien de redenering voordat zij handelen. Uw complianceteam krijgt een gedocumenteerd besluitspoor. Voor energie- en nutsorganisaties, is deze transparantie geen optie — dit is wat toezichthouders en raden van bestuur eisen.
Deze aanpak reikt verder dan netexploitatie tot aan het interconnectieknelpunt. AI-agenten kunnen de ERCOT-wachtrij van 233 GW automatisch screenen, aan elk project een score toekennen voor de waarschijnlijkheid van voltooiing en speculatieve "phantom"-lasten markeren — aanvragen van bedrijven die zich bij meerdere locaties hebben aangemeld louter om hun opties open te houden. Zo gaat de wachtrij van 'first come, first served' over naar 'first ready, first served'.
U kunt deze tools ook inzetten om te voorspellen welke centrales als volgende buiten dienst zullen gaan. Modellen met stacked LSTM en gradient boosting behaalden een gemiddelde absolute procentuele fout van slechts 1.072% bij het voorspellen van het moment van buitendienststelling. Dat geeft uw planningsteam jaren voorlooptijd in plaats van maanden.
Het centrale architectuurprincipe achter dit alles: systemen voor simulatie, digital twins en optimalisatie die uw fysieke infrastructuur in software spiegelen, scenario's met machinesnelheid testen en hun resultaten doorvoeren naar beslislagen die mensen kunnen controleren en vertrouwen. Gecombineerd met verklaarbaarheid en transparantie van besluitvorming, krijgt u AI waar uw raad van bestuur, uw toezichthouders én uw operators allemaal achter kunnen staan.
Voor een diepgaandere technische verkenning kunt u de volledige technische analyse lezen of de interactieve versie verkennen.
Belangrijkste inzichten
- PJM's eerste capaciteitstekort ooit — 6,623 MW — geeft aan dat het grootste Amerikaanse net de vraag niet meer kan bijbenen, met risico voor de betrouwbaarheid tegen juni 2027.
- De groei van datacenters in PJM-gebied kan tot en met 2033 $163 miljard aan cumulatieve capaciteitskosten veroorzaken en zo direct de elektriciteitsprijzen voor alle klanten verhogen.
- Dynamic Line Rating-technologie verhoogde de transportcapaciteit op bestaande lijnen met 61%, tegen 76% lagere kosten dan traditionele upgrades — zonder nieuwbouw.
- Fysica-bewuste AI-modellen lossen stabiliteitsanalyses van het net 87 keer sneller op dan conventionele methoden en kunnen onderstationstoringen 30 dagen van tevoren voorspellen.
- De ERCOT-interconnectiewachtrij van 233 GW kan worden getriageerd door AI die de haalbaarheid van projecten scoort en speculatieve aanvragen filtert, waardoor het proces jaren wordt ingekort.
Kort samengevat
Het tekort bij PJM en de wachtrijcrisis bij ERCOT zijn geen tijdelijke verstoringen — het zijn structurele verschuivingen die uw energiekosten jarenlang zullen verhogen en uw operationele continuïteit bedreigen. AI kan helpen, maar alleen als het de natuurkunde van het net begrijpt, en niet slechts patronen in spreadsheets. Vraag uw AI-leverancier: als uw model tijdens een netnoodsituatie een dispatchbeslissing aanbeveelt, kan het mijn operators en toezichthouders dan exact laten zien welke fysische beperkingen het heeft afgewogen en waarom?