La crescente attenzione verso l’efficienza e la sostenibilità energetica in ambitoindustriale rende sempre più rilevante l’impiego di modelli previsionali capaci di anticipare l’andamento dei consumi. In questo contesto si inserisce il presente lavoro di tesi, che ha come obiettivo lo sviluppo di un modello di previsione dei consumi elettrici per lo stabilimento EthosEnergy di Torino, finalizzato a migliorare la gestione operativa e strategica dell’energia nel breve periodo (short-term forecasting). Il modello è stato realizzato mediante due differenti approcci: la Regressione Lineare (LR), di tipo statistico e interpretabile, e la Gaussian Process Regression (GPR), basata su tecniche di machine learning e in grado di rappresentare relazioni non lineari.