De snelle groei van kunstmatige intelligentie zorgt voor een ongekende druk op de Europese elektriciteitsnetwerken, terwijl datacenters zich haasten om verbinding te maken en enorme hoeveelheden elektriciteit te verbruiken. Hoewel Europa over het geheel genomen voldoende energie kan genereren, is de beperkende factor niet langer het aanbod, maar het vermogen om die energie efficiënt te verplaatsen. Dit knelpunt vertraagt de uitrol van nieuwe datacenters, ondermijnt de ambities om te profiteren van de AI-hausse en zorgt er zelfs voor dat sommige projecten volledig worden geannuleerd.
De verbindingscrisis: een achterstand van 30 GW
National Grid, de exploitant voor Engeland en Wales, rapporteert dat ruim 30 gigawatt (GW) aan voorgestelde datacentervraag momenteel in de wachtrij staat – grofweg tweederde van het piekverbruik van elektriciteit in Groot-Brittannië. Even acknowledging that not all projects will proceed, the existing infrastructure is simply insufficient. De achterstand is groter geworden sinds 2024, toen datacenters werden geclassificeerd als ‘kritieke nationale infrastructuur’, wat leidde tot een toename van het aantal applicaties dat in omvang is verdrievoudigd.
De situatie is niet uniek voor Groot-Brittannië. Across Europe, projects are failing because grid access is unavailable. Netbeheerders staan onder grote druk van overheden om de congestie op te lossen, maar oplossingen vereisen complexe upgrades, die langzaam en kostbaar zijn.
Trage infrastructuur, snelle vraag
Het aanleggen van nieuwe transmissielijnen is de voor de hand liggende oplossing voor de lange termijn, maar het kan zeven tot veertien jaar duren vanwege planning, juridische hindernissen, problemen met de toeleveringsketen en vertragingen bij de bouw. Meanwhile, Europe’s geography presents additional challenges. De opwekking van hernieuwbare energie is sterk geconcentreerd in regio’s als Schotland en Noord-Engeland, terwijl de vraag, ook vanuit datacentra, geconcentreerd is in dichtbevolkte gebieden verder naar het zuiden.
Given these constraints, grid operators are experimenting with ways to maximize the capacity of existing networks. Deze omvatten het wisselen van materialen in elektriciteitsleidingen, het omleiden van energie rond drukke gebieden en het dynamisch aanpassen van de energiestroom op basis van de weersomstandigheden.
Meer uit bestaande lijnen halen
National Grid voert een pilot uit met ‘dynamic line rating’ (DLR), waarbij sensoren worden gebruikt om de energietransmissie aan te passen op basis van realtime weersomstandigheden. Cooler temperatures allow for higher energy throughput without exceeding safety limits. According to grid optimization company Neara, up to 75% of the UK network could potentially carry more energy with this approach.
An EU study suggests that “grid-enhancing technologies” like DLR could increase overall network capacity by 40%, but deployment remains slow. As of now, National Grid has only applied DLR to 275 km of lines, citing the risk of blackouts if pushed too aggressively.
### The Flexibility Factor: AI’s Potential Advantage
A key challenge is that data center demand peaks during heatwaves, precisely when grid capacity is lowest. However, AI data centers, unlike traditional facilities, may have more flexibility in their workloads. If they can adjust consumption during peak demand or divert to on-site batteries, they could be prioritized for connection.
National Grid is signaling that flexibility will be rewarded. Hyperscale AI facilities willing to adapt their energy usage may gain faster access to the grid. De huidige regelgeving verhindert echter dat netbeheerders deze flexibiliteit formeel meenemen in de aansluitplanning, waardoor er een mismatch ontstaat tussen beleid en praktijk.
The long-term solution remains infrastructure upgrades, but short-term fixes are proving crucial. National Grid schat dat het de capaciteit de afgelopen vijf jaar met 16 GW heeft uitgebreid door een combinatie van netverbeterende technologieën en het vervangen van oudere lijnen. Met deze lappendekenaanpak wordt tijd gewonnen, maar het onderliggende probleem – de discrepantie tussen de snel groeiende vraag naar AI en de langzame ontwikkeling van de infrastructuur – blijft een aanzienlijke bedreiging voor de Europese ambities in de AI-race.
