[pt] Esta dissertação apresenta um estudo sobre o comportamento da carga de energia agregada em intervalos temporais dentro de um mesmo dia. Esse tipo de agregação já vem sendo utilizado no setor elétrico brasileiro, sob a forma de três patamares de carga, denominados leve, média e pesada. No entanto, tais patamares são sempre obtidos indiretamente, a partir da agregação da carga horária, não tendo sido encontrado, até a publicação dessa dissertação, nenhum tratamento de forma direta dos mesmos. O trabalho desenvolvido na dissertação descreve matematicamente o cálculo dos três patamares de carga e faz uma análise das séries dessas variáveis, verificando suas características próprias, relações entre si e a influência de variáveis exógenas. Apresenta, também, a modelagem de alguns métodos de previsão para essas séries, empregando técnicas tanto estatísticas quanto de inteligência computacional e propõe um modelo híbrido de previsão, combinando regressão dinâmica, classificador de padrões, lógica nebulosa e um método para combinar os padrões. No modelo proposto, a regressão dinâmica é empregada na previsão da carga diária global, usada para adequar os perfis, descritos de forma normalizada, aos níveis reais das séries. Os perfis são obtidos a partir de um classificador de padrões baseado na técnica subtractive clustering. A combinação dos perfis, que compõem a previsão dos patamares para o horizonte desejado, é feita por um sistema de lógica nebulosa, que usa a temperatura como variável de entrada, tratando de forma intrínseca relações não lineares entre essas variáveis, e um método que trata a saída do sistema nebuloso de forma empírica. / [en] This dissertation presents a study of electricity load aggregated in time intervals into the same day. This type of aggregation has been used by the Brazilian´s electrical sector in the form of three load levels called low, middle and high. However, these load levels were always indirectly achieved from the hourly load aggregation, and it was not found any direct treatment of them as a series up to this publication. The work developed in this dissertation describes mathematically the calculation of the three levels of load and makes an analysis of the series formed by these variables checking their own characteristics, the relationship among themselves and the influence of exogenous variables. It also shows the modeling of some forecast methods for such series employing techniques of both statistics in computational intelligence, introduces the level profile concept and proposes a hybrid model of forecasting, formed by dynamic regression, pattern classification and fuzzy logic, to predict the load level pattern. In the proposed model, the dynamic regression is used in the forecasting of the daily global load that is used to match the resulting pattern, described in a normalized way to the actual load values. The profiles are obtained from a classifier based on the subtractive clustering technique. The combination of the profiles that compose the level pattern forecast to the desired horizon is carried out by a fuzzy logic system that uses the temperature as input variable intrinsically treating non-linear relationships between load level and temperature variables.