AI i pelletsproduksjon 2026 datastyring av fukt og kvalitet i bioenergi

AI i pelletsproduksjon 2026 — datastyring av fukt og kvalitet i bioenergi

Norske produsenter av trepellets og briketter bruker sensordata og maskinlæring til å styre fukt, tetthet og kvalitet gjennom produksjonen. Råstoffet flises, tørkes, males og presses, og fuktinnholdet underveis avgjør både kvaliteten på sluttproduktet og energien som går med til tørking. AI kan optimalisere tørking og pressing mot jevn kvalitet og lavere forbruk — men driftslederen som kjenner anlegget, tar avgjørelsene.

Fukt er hele spillet

Trepellets lages av tre som flises, tørkes, finmales og presses sammen under trykk til pellets på seks til åtte millimeter. Ferdige pellets inneholder typisk under ti prosent vann og må oppfylle europeiske og norske standardkrav. Briketter følger samme logikk i større format. Råstoffet — for eksempel kutterflis — kommer ofte inn med 15–20 prosent fukt og må tørkes ned.

Tørkingen er både kvalitetskritisk og energikrevende. For fuktig råstoff gir dårlige, smuldrete pellets som ikke holder standard; for hard tørking sløser energi og kan svekke produktet. Treffer du fuktnivået jevnt, får du sterke pellets med god brennverdi og minst mulig energibruk i prosessen. Problemet er at råstoffet varierer fra lass til lass, så det «riktige» tørkenivået er et bevegelig mål.

Hva datastyring og AI bidrar med

Med sensorer som måler fukt, temperatur og andre parametere kontinuerlig gjennom prosessen, får anlegget et levende bilde av hva som faktisk skjer — ikke bare en stikkprøve på slutten. En modell kan lære sammenhengen mellom innkommende råstoff, tørkeinnstillinger og kvaliteten på sluttproduktet, og foreslå justeringer i tørking og pressing når råstoffet endrer seg.

I praksis betyr det at systemet kan varsle «dette lasset er fuktigere enn vanlig, juster tørka» før hele partiet er presset til dårlige pellets. Det er prosessoptimalisering: holde kvaliteten jevn samtidig som energibruken — som er en stor kostnad i pelletsproduksjon — holdes nede.

Verdien for en energikrevende næring

Norge produserer i størrelsesorden titusenvis av tonn pellets i året, og pellets selges i et marked med frivillige sertifiseringsordninger og standardkrav som kunden forventer at varen oppfyller. Jevn kvalitet er forutsetningen for å selge, og energikostnaden i tørkingen er en av de store driverne for lønnsomhet.

For en produsent ligger gevinsten derfor i to ting samtidig: færre partier som faller under standard, og lavere energibruk per tonn fordi tørkingen styres mot det som faktisk trengs i stedet for en fast innstilling med god margin.

Forbeholdene

Datastyring er ikke magi. Modellen er bare så god som sensorene og dataene den bygger på, og dårlig plasserte eller ukalibrerte sensorer gir villedende råd. Anlegg er forskjellige, så en modell må tilpasses det enkelte anlegget og råstoffet det kjører. Og det endelige ansvaret for å kjøre anlegget trygt og levere vare som holder standard, ligger hos driftspersonalet. AI er beslutningsstøtte for en erfaren operatør, ikke en autopilot for et prosessanlegg.

«Trepellets produseres ved at tre flises, tørkes, finmales og presses sammen under trykk; ferdige pellets inneholder under ti prosent vann og må oppfylle europeiske og norske standardkrav.» — kilde: bransjeomtale av norsk pelletsproduksjon, 2026

Hva det betyr for norsk bioenergi

For produsenter av pellets og briketter er den realistiske gevinsten jevnere kvalitet og lavere energibruk gjennom bedre styring av fukt og tørking. Produsenter bør:

• Måle fukt og temperatur kontinuerlig gjennom prosessen, ikke bare på sluttproduktet
• Tilpasse modellen til eget anlegg og det råstoffet de faktisk kjører
• Bruke AI til å justere tørking før et parti blir dårlig, ikke etterpå
• Holde ansvaret for trygg drift og standardoppfyllelse hos driftspersonalet