<p>Enligt lagen om Kommunal energiplanering måste samtliga Sveriges kommuner ha en aktuell energiplan som beskriver kommunens planer för tillförsel, distribution och användning av energi inom kommunen. Många av kommunerna har problem med att skapa ett aktivt arbete med energifrågorna inom kommunen, utifrån energiplanen. Syftet med denna uppsats är att a) genom intervjustudie beskriva hur tre kommuner arbetar med kommunal energiplanering som ett verktyg för ett aktivt arbete med energifrågorna inom kommunen, b) utifrån Leavitts systemmodell skapa en ökad förståelse för vilka centrala komponenter, såväl statiska som dynamiska, som ligger till grund för kommunernas förändringsarbete samt vilket fokus detta arbete har inom kommunerna. Studien genomfördes med hjälp av gruppintervjuer med representanter från de tre utvalda kommunerna; Lidköping, Borås och Trollhättan. Representanterna från de valda kommunerna berättade om deras arbete med energifrågor utifrån tre utgångspunkter; synen på kommunal energiplanering, arbetsprocessen och framgångs/motivationsfaktorer. Resultatet från intervjuerna analyserades och sammanställdes i tre berättelser om kommunernas arbete med energifrågor. Utifrån intervjuerna implementerades kommunernas arbete på Leavitts systemmodell för att fördjupa förståelsen kring kommunernas arbete. Resultatet av detta visade att kommunerna har olika fokus i sitt arbete, men att de samtidigt tar hänsyn till samtliga delar som beskrivs i modellen. Utifrån berättelserna kunde bl.a. ses att det finns flera gemensamma framgångsfaktorer bland kommunerna t.ex. politisk förankring. Slutsatsen är att det inte finns en given mall för hur en kommun ska arbeta med energiplanering, utan varje kommun måste hitta sitt eget sätt att arbeta med dessa frågor och anpassat till den egna kommunens förutsättningar, men det finns vissa faktorer som bör tas hänsyn till i arbetet med kommunal energiplanering.</p>

Enligt lagen om Kommunal energiplanering måste samtliga Sveriges kommuner ha en aktuell energiplan som beskriver kommunens planer för tillförsel, distribution och användning av energi inom kommunen. Många av kommunerna har problem med att skapa ett aktivt arbete med energifrågorna inom kommunen, utifrån energiplanen. Syftet med denna uppsats är att a) genom intervjustudie beskriva hur tre kommuner arbetar med kommunal energiplanering som ett verktyg för ett aktivt arbete med energifrågorna inom kommunen, b) utifrån Leavitts systemmodell skapa en ökad förståelse för vilka centrala komponenter, såväl statiska som dynamiska, som ligger till grund för kommunernas förändringsarbete samt vilket fokus detta arbete har inom kommunerna. Studien genomfördes med hjälp av gruppintervjuer med representanter från de tre utvalda kommunerna; Lidköping, Borås och Trollhättan. Representanterna från de valda kommunerna berättade om deras arbete med energifrågor utifrån tre utgångspunkter; synen på kommunal energiplanering, arbetsprocessen och framgångs/motivationsfaktorer. Resultatet från intervjuerna analyserades och sammanställdes i tre berättelser om kommunernas arbete med energifrågor. Utifrån intervjuerna implementerades kommunernas arbete på Leavitts systemmodell för att fördjupa förståelsen kring kommunernas arbete. Resultatet av detta visade att kommunerna har olika fokus i sitt arbete, men att de samtidigt tar hänsyn till samtliga delar som beskrivs i modellen. Utifrån berättelserna kunde bl.a. ses att det finns flera gemensamma framgångsfaktorer bland kommunerna t.ex. politisk förankring. Slutsatsen är att det inte finns en given mall för hur en kommun ska arbeta med energiplanering, utan varje kommun måste hitta sitt eget sätt att arbeta med dessa frågor och anpassat till den egna kommunens förutsättningar, men det finns vissa faktorer som bör tas hänsyn till i arbetet med kommunal energiplanering.

Arbetet börjar med en historisk tillbakablick om Svensk energiplanerings uppkomst och fortsätter med dagens aktuella läge angående de lagar som planeringen verkar under. Vidare beskriver arbetet hur Sverige står inför en energiomställning där samhället i stort går mot ett förnyelsebart energisystem och elektrifiering med hänsyn till EU och klimat- och energipolitiska mål. Denna omställning ställer krav på samordning och möjliggörandet av sektorsövergripande arbete. Genom att skapa ett tydligt ramverk och implementera energiplanering i tidiga skeden går det att göra prognostiseringen för framtida behov. Empirin i denna studie har analyserats med stöd av teori för flernivåstyrning och detta har skapat förståelse för hur det går att organisera flera aktörer inom olika institutionella nivåer.

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.