[pt] Os métodos de análise de séries temporais têm se revelado uma importante ferramenta de apoio à tomada de decisões, com importância crescente em um mundo cada vez mais globalizado. Esse fato pode ser ilustrado, entre muitos outros, através de um convênio firmado entre o CEPEL, o Núcleo de Estatística Computacional da PUC/RJ e a Eletrobrás, para se avaliar a utilidade dessas ferramentas nas etapas do planejamento do setor elétrico brasileiro. A metodologia em Espaço de Estado proporcionou o surgimento de duas importantes classes de modelos de previsão e análise de séries temporais completamente alternativas (os modelos estruturais e os modelos de inovações em espaço de estado), e, por isso, podem por vezes, causar dúvidas quando se fala em métodos de previsão em espaço de estado sem se especificar sobre qual das duas se está falando. Foi escolhido uma técnica específica e facilmente executável em softwares comerciais para cada classe de modelos: O desenvolvimento clássico de Harvey implementado no software STAMP, representando os modelos estruturais; e o desenvolvimento de Goodrich implementado no software FMP, representando os modelos de inovações. Essas técnicas estão tratadas de uma forma aprofundada, para proporcionar um melhor entendimento teórico das diferenças existentes entre ambas. Com o intuito de se avaliar a performance frente às outras técnicas existentes, são comparados os resultados das previsões entre as metodologias a partir de um sistema de comparação baseado nas estatísticas MAPE (Mean Absolute Percentage Error), RMSE (Root Mean Squared Error) e U-Theil. Para tanto são vistos sucintamente as técnicas: Alisamento Exponencial (Holt-Winters), Box & Jenkins e Redes Neurais. Todas as técnicas foram aplicadas aos dados de consumo de energia elétrica das 32 empresas concessionárias do setor no Brasil, além de comparadas com as previsões realizadas por essas concessionárias. A novidade deste trabalho para o projeto em andamento está na aplicação multivariada possível através da metodologia de Goodrich. / [en] The analysis of time series is, nowadays one of the most important tools in the decision making process, due mainly to the globalization of the world. As an illustration of that we can mention the recent contract signed between NEC/PUC-Rio and CEPEL/Eletrobrás, where time series techniques are to be used in the planning process of the brazilian sector. The state-space approach forms the basis of two important forecasting models to time series analysis the structural model and the state space innovation model. Because of that one finds it difficult to have a clear cut definition of either one of them. These two models formulation were implemented in comercial softwares: the structural model of A. Harvey in STAMP and the state space innovation of R. Goodrich in FMP. In order to check the perfomance of these state space approaches vis-à-vis the traditional forecasting techniques, it was used the following statistics: MAPE (Mean Absolute Percentage Error), RMSE (Root Mean Squared Error) and U-Theil. The traditional approaches used in the comparison were: Holt-Winters, Box & Jenkins and Backpropagation Neural Network. All the methods, included the state space ones were applied to the demand series of 32 electrical utilities which form the brazilian electrical distribution system. If was also attempted the multivariate state-space formulation of R. Goodrich which is included in FMP software.