Nel quadro dell'attuale transizione energetica, i sistemi di teleriscaldamento sono identificati dall’Unione Europea come tecnologie chiave per ridurre il consumo di energia primaria e le emissioni locali. Tuttavia, la crescente volatilità dei mercati e la complessità operativa richiedono strumenti di gestione avanzati. Il presente lavoro di tesi si pone l'obiettivo di ottimizzare il dispacciamento energetico della centrale cogenerativa Metan Alpi a servizio della rete di teleriscaldamento di Sestriere. Lo studio si articola in due fasi: inizialmente è stato sviluppato un algoritmo di Machine Learning (Random Forest) per la previsione della domanda termica oraria in funzione di variabili climatiche, temporali, e dati storici di consumo.