Efterfrågeflexibilitet är en av de centrala strategierna för att mildra effekt- och kapacitetsbrist i elnätet, vilket - tillsammans med nyliga geopolitiska händelser - har lett till en ökande risk för nätinstabiliteter och en mer volatil elmarknad. Mikronät bidrar till efterfrågeflexibilitet genom att förena ägare av elektriska fordon, hushåll, företag och mikroproducenter i energisamhällen. Dock kräver flexibilitetshantering av sådana mikronät att en heterogen grupp av producenter och konsumenter delar privata data, vilket är problematiskt ur integritets- och cybersäkerhetssynpunkt. Målet med detta projekt är således att utveckla ett ramverk för mikronätshantering baserat på personaliserbara belastningsmodeller tillsammans med integritetsbevarande maskininlärningsmetoder. Den föreslagna metoden kommer att demonstreras på Dansmästaren, ett mikronät och testbädd för forskning i Uppsala, Sverige. Detta är en viktig språngbräda mot säkra och hållbara energigemenskaper.