I en tid då samhället alltmer elektrifieras, står elnätsföretagen inför en växande utmaning att garantera att elsystemet kan hantera de ökande kraven. I detta sammanhang kan långtidsprognosverktyg spela en avgörande roll för att optimera det befintliga samt det framtida elnätet. Genom att använda sådana verktyg kan elnätsföretag förbättra sina planer för nätutveckling, vilket är viktigt för att främja en effektiv och hållbar utveckling av elnätet. Genom att följa välgrundade riktlinjer och bästa praxis kan man säkerställa tillgänglighet, pålitlighet och kostnadseffektivitet i elförsörjningen. Syftet med examensarbetet är att utforska vad som krävs för att hantera ett effektivt prognosverktyg och uppfylla föreskrift 7 § enligt EiFS 2024:1 från Energimarknadsinspektionen. Uppdraget kom som ett resultat av detta krav, där det anges att distributionsnätsföretaget ska rapportera sin prognos för överföringskapacitet i megawatt för att hantera kundernas energiförbrukning och produktion. Examensarbetet fokuserar på att utveckla metoder och använda programvaran AFS för att uppnå dessa mål samt att analysera nuvarande och framtida belastningar och parametrar som påverkar prognoserna En litteraturstudie har utförts kring de olika prognosverktygen och metoderna som finns ute på marknaden. Parallellt har fem olika elnätsföretag intervjuats för att undersöka vad för prognosverktyg de har utvecklat och hur de arbetar för att uppnå nätutvecklingsplanen. Utöver litteraturstudien och intervjuerna har prognosverktyget Aiolos Forecast Studio (AFS) analyserats för att undersöka dess potential vid långtidsprognostisering. Resultatet från litteraturstudien och intervjuerna visade att det krävs mer än bara prognosverktyg för att utföra långtidsprognoser. Litteraturstudien visade att det finns olika verktyg samt metoder för att utföra dessa prognoser, men att det beror på företagets specifika krav eller behov för vad som passar dem.  Intervjuerna avslöjade att många använder eller har använt Excel för prognosarbete, men att man behövde utveckla andra verktyg för att kunna hantera större mängder data då det kan överstiga Excels kapacitet. Med huvudverktyget som beräknar prognoserna, framkom det att det krävs en hel del förarbete. Samt att ett kompletterande verktyg som kan applicera prognoserna ute på elnätet är att föredra. Analysen av Aiolos Forecast Studio gav blandade resultat. Då uppdraget kom från Jämtkraft Elnät AB, är den bearbetade datan från deras lokalnät. AFS är ett givande verktyg för korttidsprognoser men går även att använda inför framtidsscenarion. De olika framtidsscenarion som arbetades med var om solelproduktionen skulle ha en ökad toppeffekt från år 2023 med 18 MW till 62 MW för 2030 och 150 MW för 2035. Det utfördes skalningar i programmet för att få de nya önskade toppeffekterna. Resultatet visade att de prognostiserade toppeffekterna för år 2030 samt 2035 låg på 14% och 20% ifrån det önskade toppvärdet. Detta beror på att när man arbetar med en regressionsmodell så kommer prognosen att skala relativt till det historiska utfallsdata, det vill säga 18 MW. Därefter analyserades skalningarna för ett årsperiod, inklusive en vecka med låg förbrukning och en vecka med hög förbrukning. Detta gav en tydlig inblick i hur solelproduktionen påverkade belastningen under olika förhållanden och med olika skalningar. Under lågförbrukningsveckan, som inträffade i juni, visade resultaten tydligt att vid en skalning på 150 MW skiftade belastningen från förbrukning till produktion under vissa timmar, med tydliga tecken på den så kallade ankkurvan. Under högförbrukningsveckan, som ägde rum i december, var resultaten knappt märkbara. Detta var förväntat, med tanke på att den globala strålningen ligger på lägre nivåer under vintermånaderna i Jämtlands län, där Jämtkraft AB är placerad. Sammanfattningsvis tyder resultaten på att den mest effektiva metoden verkar vara att skapa ett anpassat verktyg, där AFS kan vara till nytta för potentiella elnätsföretag genom att analysera historiska data och upptäcka avvikelser.