This thesis aims to investigate if the hourly heat load consumptiondata can be used to approximate the daily consumptions patterns forbuildings connected to Göteborg Energi’s district heating network. Theapproximated data shall act as foundation for dimensioning of thedistrict heating network. In this work, it is studied how theconsumption approximation are due to changes in the outdoortemperature between different years.The aim is to develop an approximation model for hourly heat loadpatterns, heat output, water flow and return temperature from thedistrict heating substations of individual buildings regardless ofbuilding types. The approximation methods used in the hourlyapproximation model is multiple ridge regression. Regression trees areused to define breaking points such as the building balance pointtemperature from the consumer heat load pattern. Two separateregression intervals were defined based on breaking points from theregression tree. Outdoor temperature data, solar radiation data,weekday and weekends data used as predictors.The approximation model is evaluated against a reference model usingthe daily mean heat load consumption data. Evaluation between themodel and reference is made on six different building and buildingtypes during the outdoor temperature of -16, which is the designoutdoor temperature of the district heating system of Göteborg Energi.The approximated maximum heat output and water flow during the daywhere 18 % and 10 % above the approximated daily mean. Theapproximated return temperature where 43-51 °C compared to the dailymean of 42 °C for a warm year and 47-52,5 °C compared to 50 °C dailymean for a cold year.The hourly approximation model where able to capture the heat loadpatterns of different building types. However, higher demands on dataquality needs to be addressed to ensure the use of the hourlyapproximation model. / I detta examensarbete har en undersökning angående värmelastapproximationer baserade påtimupplöst kundlastdata gjorts. Värmelasterna som approximerades var värmeeffekt,vattenflöde och returtemperatur. Data för utomhustemperatur, helg och vardag samtsolinstrålningsdata har använts för att kunna approximera värmelasterna. Resultat avapproximationer har visualiserats i relation till utomhustemperaturen och har utvärderats fördimensionerande utomhustemperatur. Utvärdering gjordes på olika byggnader ochbyggnadstyper. Resultat av approximationsmodell med timupplöst kundlastdata utvärderadesmot modell baserad på dygnsmedeldata. Modellerna testades för två olika år med skildautomhustemperaturer, ett kall-år och ett varm-år.Resultat visar att det är möjligt att fånga den timvisa värmelasten hos enskilda kunder och skulleinnebära ett bättre underlag vid dimensionering. Detta då högsta värmelasten under ett dygnskiljer sig från dygnsmedellasten. Att implementera modell med timdatat ökar känsligheten imodellen och ställer högre krav på den inhämtade kundlastdatat. Mätare i fjärrvärmecentralerbör ses över för säkerställning av god mätupplösning och mätprecision.