A Powerful Future explores the future electricity demand in Europe until 2050 for the industry, transport, and residential sector. This is done through a bottom-up model capturing the essential parameters for each sector combined with statistics on electricity and energy demand giving two scenarios on future power demand in Europe – High Electrification and Baseline. The electricity demand is built in Excel’s data modelling tool, at the request of Sweco. One aspect of this project also involves challenges when constructing this tool. The resolution will be yearly and economic aspects and feasibility of the electrification have not been investigated in this project. The focus of the project is to capture the most essential activities and technologies affecting the power demand in Europe to be included in the model, and less focus on analyzing each country. The annual results until 2050 for both scenarios show a significant increase in power demand in Europe due to the electrification of the industry and transport sector. The transport sector will reach approximately 550 TWh in Baseline and 600 TWh in High Electrification, while the industrial power demand will reach ~2 000/~2 700 TWh in the Baseline -/High Electrification scenario. These two sectors will account for the biggest increase in power demand while households will have a small increase in power demand. The total modeled annual electricity demand 2050 will be ~5 000/~5 900 TWh in the Baseline -/High Electrification scenario and will be approximately a doubling of the electricity demand 2021. / A Powerful Future utforskar den framtida efterfrågan av el i Europa fram till 2050 för industri, transport och hushållssektorn. Detta görs genom en bottom-up modell som infångar viktiga parametrar för varje sektor kombinerat med historiska data av energi- och elbehov för två olika scenarier för Europa –Baseline och Högelektrifiering. Elbehovet modelleras genom Excels datamodellerings-verktyg, som byggts på Swecos förfrågan. En aspekt i detta projekt involerar utmaningar när ett eget verktyg för detta ska konstrueras. Upplösningen är årlig och ekonomiska aspekter såväl som genomförbarhet har inte undersökts närmare i projektet. Resultat från projektet visar på en signifikant ökning i elbehov i Europa på grund av elektrifiering i industri- och transportsektorn. Transportsektorn kommer kräva circa 600 TWh el i Högelektrifieringsscenariet och 550 TWh i Baselinescenariet, emedan industrisektorns elbehov kommer att nå 2 000/2 700 TWh i Baseline-/Högelektrifieringsscenariet. Dessa två sektorer komma stå för den största ökningen i elbehov emedan hushållssektorn kommer stå för en liten ökning. Det totala elbehovet 2050 har modellerats till 5 000/5 900 TWh i Baseline-/Högelektrifieringsscenariet och är ungefär en fördubbling av elbehovet 2021.

This report is based on the work carried out on behalf of Uppsala Municipality within the framework of the course Independent Work in Energy Systems.The main purpose of the project was to develop a tool capable of generatingreliable simulations of power demand in 24 areas for the future developmentof the Southeast District in Uppsala. The goal was also for the tool to assistin sizing the energy system in the areas and provide suggestions for futuresolutions that can be adapted for the district.The tool was developed in the Python programming language to be compatible with Excel, as agreed upon with Uppsala Municipality. The tool hasthe ability to simulate the total power demand from different types of buildings and model the power load resulting from electric vehicle charging. Inaddition to this, the tool can calculate the electricity production from solar panels, thereby creating simulations of the total power demand in theSoutheast District.

In the context of decarbonizing the electricity generation of French non-interconnected territories, the knowledge of future electricity demand, in particular annual and peak demand in the long-term, is crucial to design new renewable energy infrastructures. So far, these territories, mainly islands located in the Pacific and Indian ocean, relies mainly on fossil fuels powered facilities. Energy policies envision to widely develop renewable energies to move towards a low-carbon electricity mix by 2028.  This thesis focuses on the long-term forecasting of hourly electricity demand. A methodology is developed to design and select a model able to fit accurately historical data and to forecast future demand in these particular territories. Historical data are first analyzed through a clustering analysis to identify trends and patterns, based on a k-means clustering algorithm. Specific calendar inputs are then designed to consider these first observations. External inputs, such as weather data, economic and demographic variables, are also included.  Forecasting algorithms are selected based on the literature and they are than tested and compared on different input datasets. These input datasets, besides the calendar and external variables mentioned, include different number of lagged values, from zero to three. The combination of model and input dataset which gives the most accurate results on the testing set is selected to forecast future electricity demand. The inclusion of lagged values leads to considerable improvements in accuracy. Although gradient boosting regression features the lowest errors, it is not able to detect peaks of electricity demand correctly. On the contrary, artificial neural network (ANN) demonstrates a great ability to fit historical data and demonstrates a good accuracy on the testing set, as well as for peak demand prediction. Generalized additive model, a relatively new model in the energy forecasting field, gives promising results as its performances are close to the one of ANN and represent an interesting model for future research.  Based on the future values of inputs, the electricity demand in 2028 in Réunion was forecasted using ANN. The electricity demand is expected to reach more than 2.3 GWh and the peak demand about 485 MW. This represents a growth of 12.7% and 14.6% respectively compared to 2019 levels. / I samband med utfasningen av fossila källor för elproduktion i franska icke-sammankopplade territorier är kunskapen om framtida elbehov, särskilt årlig förbrukning och topplast på lång sikt, avgörande för att utforma ny infrastruktur för förnybar energi. Hittills är dessa territorier, främst öar som ligger i Stilla havet och Indiska oceanen, beroende av anläggningar med fossila bränslen. Energipolitiken planerar att på bred front utveckla förnybar energi för att gå mot en koldioxidsnål elmix till 2028.  Denna avhandling fokuserar på den långsiktiga prognosen för elbehov per timme. En metod är utvecklad för att utforma och välja en modell som kan passa korrekt historisk data och för att förutsäga framtida efterfrågan inom dessa specifika områden. Historiska data analyseras först genom en klusteranalys för att identifiera trender och mönster, baserat på en k-means klusteralgoritm. Specifika kalenderinmatningar utformas sedan för att beakta dessa första observationer. Externa inmatningar, såsom väderdata, ekonomiska och demografiska variabler, ingår också.  Prognosalgoritmer väljs utifrån litteraturen och de testas och jämförs på olika inmatade dataset. Dessa inmatade dataset, förutom den nämnda kalenderdatan och externa variabler, innehåller olika antal fördröjda värden, från noll till tre. Kombinationen av modell och inmatat dataset som ger de mest exakta resultaten på testdvärdena väljs för att förutsäga framtida elbehov. Införandet av fördröjda värden leder till betydande förbättringar i exakthet. Även om gradientförstärkande regression har de lägsta felen kan den inte upptäcka toppar av elbehov korrekt. Tvärtom, visar artificiella neurala nätverk (ANN) en stor förmåga att passa historiska data och visar en god noggrannhet på testuppsättningen, liksom för förutsägelse av toppefterfrågan. En generaliserad tillsatsmodell, en relativt ny modell inom energiprognosfältet, ger lovande resultat eftersom dess prestanda ligger nära den för ANN och representerar en intressant modell för framtida forskning.  Baserat på de framtida värdena på indata, prognostiserades elbehovet 2028 i Réunion med ANN. Elbehovet förväntas nå mer än 2,3 GWh och toppbehovet cirka 485 MW. Detta motsvarar en tillväxt på 12,7% respektive 14,6% jämfört med 2019 års nivåer.