The electricity grids have become a key player in the society. An increased usage of electricity is both a result from the more electrified society, but also as a main solver in reaching the climate goals by reducing emissions. This thesis work explores some of the new features for the electricity grid from integration of electrification from renewable energy resources (RES) and from strategies for energy optimization related to the loads and specifically from thermal heat pumps. These strategies lie in the field of demand response, which takes advantage of the flexibility of loads in terms of willingness to switch or decrease their consumption at a particular moment of the day. This research proposes a three-step framework to harness the flexibility of Thermo-Statically controlled loads (TCLs) based on a simulated grey-box building model that uses historical outside temperature and prices data and learns the thermal parameters such as Thermal Resistance, Thermal Capacitance, but also price responsiveness (pth ) through a Differential Evolution (DE) based optimization algorithm. The price responsiveness is used to provide further insight into the flexibility of the loads and is employed in the last step to propose a price policy estimation algorithm also based on DE that minimizes the gap between supply and demand while preserving supplier and customer profitability. The proposed approach has proven to be accurate for a large number of parameters but also effective with reduced training data (prediction errors around 2.5% on the power average and standard deviation), as well as to be successful in providing a Day-Ahead Real-Time Price policy that maximizes supplier and customer utility. The price policy provides a lower total price for the customer compared with a tariff without demand response (reduction up to 53.63 %), reduces the gap between RES-based energy sources and heating demand, and respects grid technical constraints. / Elnätet har blivit en nyckelaktör i samhället. En ökad elanvändning är både ett resultat av det mer elektrifierade samhället, men också som en huvudlösare för att nå klimatmålen genom att minska utsläpp. Detta examensarbete undersöker några av de nya funktionerna för elnätet från integration av elektrifiering från förnybara energiresurser (RES) och från strategier för energioptimering relaterade till ellaster och specifikt från termiska värmepumpar. Dessa strategier ligger inom området för efterfrågerespons, som drar fördel av lasternas flexibilitet när det gäller viljan att byta eller minska sin konsumtion vid en viss tidpunkt på dagen. Den här forskningen föreslår ett ramverk i tre steg för att utnyttja flexibiliteten hos termostatiskt kontrollerade laster (TCL) baserat på en simulerad gråbox-byggnadsmodell som använder historisk utomhustemperatur och prisdata och lär sig de termiska parametrarna som termisk motstånd, termisk kapacitans , men också priskänslighet (pth) genom en Differential Evolution (DE) baserad optimeringsalgoritm. Priskänsligheten används för att ge ytterligare insikt om lasternas flexibilitet och används i det sista steget för att föreslå en prispolitisk uppskattningsalgoritm också baserad på DE som minimerar klyftan mellan utbud och efterfrågan samtidigt som leverantörs- och kundlönsamheten bevaras. Det föreslagna tillvägagångssättet har visat sig vara korrekt för ett stort antal parametrar men också effektivt med reducerad träningsdata (förutsägelsefel runt 2,5% på effektmedelvärde och standardavvikelse), samt vara framgångsrik i att tillhandahålla en Day-Ahead Real -Tidsprispolicy som maximerar leverantörs- och kundnyttan. Prispolicyn ger ett lägre totalpris för kunden jämfört med en tariff utan efterfrågerespons (reduktion upp till 53, 63 %), minskar gapet mellan RES-baserade energikällor och värmebehov samt följer nättekniska begränsningar.