Om een klimaatneutraal elektriciteitssysteem mogelijk te maken moet het flexibiliteitspotentieel van huishoudens volledig worden benut. Toch is er weinig bekend over de barrières die voorkomen dat huishoudens hun verbruik flexibel aanpassen. Met behulp van geavanceerde machine learning en causal inference methodes werpt dit innovatieve project een licht op deze barrières en hoe ze kunnen worden overwonnen. Hiervoor worden twee unieke datasets gebruikt, waarvoor ik met partners samenwerk. Ten eerste gebruik ik data van een grootschalig slim laadsysteem voor elektrische voertuigen om in te schatten hoe menselijk gedrag het flexibiliteitspotentieel beïnvloedt. Ten tweede analyseer ik de verbruiksprofielen van 134,000 Vlaamse huishoudens en schat ik het causale effect (en de elasticiteit) van de invoering van het capaciteitstarief. Ten derde wordt machine learning toegepast om de laadpatronen van huishoudens met een elektrisch voertuig te reconstrueren. Ik schat het causale effect van het capaciteitstarief op de laadgewoonten, en analyseer de strategieën die men hanteert als reactie op het nieuwe tarief. Samen maken de drie studies innovatieve fundamentele inzichten mogelijk over hoe huishoudens omgaan met hun flexibele toestellen en hun elektriciteitsverbruik aanpassen als reactie op beleidsveranderingen. Dankzij het rekeninghouden met de heterogeniteit van huishoudens en met dynamische effecten in de tijd, zullen de bevindingen zeer innovatief en beleidsrelevant zijn.