[pt] Essa tese considera um modelo não linear para se obter previsões de curto prazo de carga de energia elétrica. O modelo combina um modelo de múltiplos regimes auto-regressivo com transição suave com um periódico auto-regressivo criando o modelo de múltiplos regimes periódico com transição suave (STPAR). Um método de construção do modelo é desenvolvido com métodos estatísticos simples e um teste de linearidade contra a hipótese de modelo periódico autoregressivo com transição suave. Outros dois destes foram elaborados para se avaliar o modelo estimado: um teste de Multiplicador de Lagrange (LM) para a hipótese de auto-correlação serial dos resíduos e outro teste LM para a hipótese de não linearidade remanescente. Um experimento de Monte Carlo foi implementado para avaliar a performance dos testes propostos. Estimação por mínimos quadrados não lineares é considerado. Finalmente, dados de carga de energia elétrica do estado de New South Wales na Austrália são apresentados e foram usados como exemplo real. Outros modelos foram utilizados para comparar a performance do modelo. / [en] This thesis considers a non linear approach to obtain short term forecast for electricity load. The model combines a smooth transition autoregressive process with a periodic autoregressive time series model, creating the Smooth Transition Periodic Autoregressive (STPAR) model. A model-building procedure is developed and a linearity test against smooth transition periodic auto-regressive is proposed. Other two tests were created to evaluate the model: a Lagrange multiplier (LM) test for the hypothesis of no error autocorrelation and LM-type test for the hypothesis of no remaining non-linearity. A Monte Carlo experiment was implemented to evaluate the performance of the proposed tests. Estimation by nonlinear least squares is considered. Finally, load data from New South Wales State in Australia`s electricity retail market is presented and will be used as a real example. Other models were used to compare the performance of the proposes model.

[pt] Nesta dissertação, estratégias de modelagem são apresentadas envolvendo modelos de séries temporais lineares e não lineares para modelar a série do preço spot no mercado elétrico brasileiro. Foram usados, dentre os lineares, os modelos ARIMA(p,d,q) proposto por Box, Jenkins e Reinsel (1994) e os modelos de regressão dinâmica. Dentre os não lineares, o modelo escolhido foi o STAR desenvolvido, inicialmente, por Chan e Tong (1986) e, posteriormente, por Teräsvista (1994). Para este modelo, testes do tipo Multiplicador de Lagrange foram usados para testar linearidade, bem como para avaliar os modelos estimados. Além disso, foi também utilizada uma proposta para os valores iniciais do algoritmo de otimização, desenvolvido por Franses e Dijk (2000). Estimativas do filtro de Kalman suavizado foram usadas para substituir os valores da série de preço durante o racionamento de energia ocorrido no Brasil. / [en] In this dissertation, modeling strategies are presented involving linear and non-linear time series models to model the spot price of Brazil s electrical energy market. It has been used, among the linear models, the modeling approach of Box, Jenkins and Reinsel (1994) i.e., ARIMA(p,d,q) models, and dynamic regression. Among the non-linear ones, the chosen model was the STAR developed, initially, by Chan and Tong (1986) and, later, by Teräsvirta (1994). For this model, the Lagrange Multipliers test, to measure the degree of non linearity of the series , as well as to evaluate the estimated model was used. Moreover, it was also used a proposal for the initial values of the optimization algorithm, developed by Franses and Dijk (2000). The smoothed Kalman filter estimates were used in order to provide values for the spot price series during the energy shortage period.