[pt] O ONS (operador nacional do sistema elétrico brasileiro) vem utilizando o software ANNSTLF produzido pelo EPRI/EUA (Eletrical Power Research Institute) para realizar a previsão do consumo de carga horária. Entretanto, as estimativas fornecidas pelo programa estão fundamentadas na metodologia de uma rede neural que, de certo modo, impede ao usuário de extrair uma maior interpretação dos resultados que são fornecidos pela rede. Assim sendo, este trabalho pesquisou os métodos univariados convencionais: Holt-Winters e Box e Jenkins, considerando suas formulações aperfeiçoadas e adaptadas às características próprias do tipo de série em questão. Isto é, assumindo a existência de dois ciclos sazonais: um diário e outro semanal. A vantagem destas técnicas univariadas, em comparação ao ANNSTLF, é principalmente a interpretabilidade das informações obtidas. Dessa forma, esta pesquisa permite também avaliar melhor o desempenho do ANNSTLF. / [en] The ONS (National Operator of the Brazilian electrical system) has been using the software ANNSTLF produced by EPRI/USA (Eletrical Power Research Institute) to carry out the forecast of the hourly load consumption. However, the estimates supplied by the program are based on the methodology of a neural net that, in a way, does not allow the user to extract a better interpretation of the results produced by the net. Therefore, investigates the conventional univaried methods: Holt-Winters and Box & Jenkins, considering its formulations perfected and adapted to the characteristics of the series understudy. That is, its assumed the existence of two seasonal cicles: daily and weekly. The advantage of these univariate techniques, in comparison to the ANNSTLF, is mainly the ability to interpret the model estimates. Also, this research also allows a better evaluation the performance of the ANNSTLF.

[pt] O Brasil possui um Sistema Interligado Nacional (SIN) que se baseia na geração de energia elétrica por meio de usinas hidrelétricas, térmicas, solares fotovoltaicas e eólicas. O planejamento e operação deste sistema é efetuado com base em previsões efetuadas em curto, médio e longo prazo a fim de evitar imprevistos que possam afetar o suprimento da demanda de energia elétrica em território nacional. Uma das informações consideradas fundamentais em cada uma das etapas do planejamento da operação é a carga, ou seja, a demanda por energia elétrica. Quando trabalhada em curto prazo, esta é importante para a programação diária da operação, garantindo um cenário ótimo para uso dos recursos disponíveis e, em cenário mais atual, determinação do Preço de Liquidação das Diferenças a cada hora. Quando trabalhada em médio prazo, esta funciona como base para manutenções de redes e negociações de contrato. Já em longo prazo, a previsão é importante para fornecer informações usadas como base para estratégias de expansão do Sistema. Normalmente a previsão em longo prazo é trabalhada de maneira a escalonar a curva histórica anual, mas as constantes alterações no hábito de consumo da população e a inserção de novas fontes ocasionam relevantes alterações no perfil da curva de carga diária em longo prazo, tornando necessário o planejamento não somente da expansão do sistema, mas também a forma com que este poderá ser programado. Assim, com o objetivo de propor uma ferramenta de suporte ao mercado brasileiro de energia, este trabalho propõe uma Metodologia para Geração de Cenários de Carga de Longo Prazo. O método proposto propõe uma abordagem bottom-up para previsão anual da demanda utilizando premissas de trabalhos acadêmicos recentes, propõe um método de geração de perfis específicos para suprir a escassez de dados horários detalhados no Brasil e propõe a utilização da Abordagem de Decomposição Parcial a fim de transformar as previsões anuais de demanda em curvas de carga horária. Finalizando a aplicação da Metodologia para Geração de Cenários de Longo Prazo, diferentes resultados gerados são utilizados para aplicação de simulação por Monte Carlo, sendo os intervalos de confianças gerados com base na resposta, possíveis cenários de comportamento da carga no futuro, transformando um método de previsão previamente determinístico em um previsor de cenários. Com o objetivo de demonstrar resultados da método, a Metodologia é aplicada para geração de cenários de longo prazo para a região sudeste brasileira até 2020 com base na curva histórica de 2016, apesar de ser capaz de gerar previsões para horizontes maiores, demonstrando verdadeiro potencial para se adaptar a possíveis alterações na curva de carga. / [en] Brazil has a National Interconnected System which produces and transmits electrical energy through a hydro-thermo-wind system. The planning and operation of this system is based on short, medium and long term on forecasts in order to avoid unforeseen that may affect the electricity supply in national territory. The short-term forecast is important for daily schedule of operation, certifying the resource use optimal scenario and, in a current scenario, the determination of Settlement Price for Differences at each hour. The medium-term forecast is used as a basis for network maintenance and contract negotiations. The long-term forecast is important to provide information used as basis for system expansion strategies. Usually, the long-term forecast is made staggering the annual load curve, however, the constant changes on people electrical consumption habits and insertion of new electrical generation sources cause relevant changes in daily load curve profile over the long term, making necessary not only the expansion planning, but also the way it can be programmed on long-term horizon. Thus, in order to propose a support tool to the Brazilian energy market, this work presents a Scenarios Generation Methodology. Such procedure proposes bottom-up approach as an annual demand projection provider, using assumptions of recent academic works, proposes a specific profile generation method as a way to overcome the lack of specific hourly data in Brazil. Not only that, the method also proposes Partial Decomposition Approach to adapt annual electricity demand into hourly load curves. Concluding the Scenarios Generation Methodology, future scenarios are developed by Monte Carlo simulation applied over different obtained results and confidence intervals calculated based on response are possible values of load behavior in the future, thus turning a deterministic forecasting method into a scenarios generation methodology. In order to demonstrate the Methodology application, it is used to generate long-term scenarios for the southeast Brazilian region by 2020 based on historical load curve from 2016, although it is capable of generating forecasts for larger horizons, proving true potential to adapt to possible changes on load curve.