Submitted by Geandra Rodrigues (geandrar@gmail.com) on 2018-06-14T13:10:24Z No. of bitstreams: 1 danielmoraisdesouza.pdf: 1277495 bytes, checksum: 7c2517a5b98a6f70aa787d954cd0c84a (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2018-06-27T15:04:32Z (GMT) No. of bitstreams: 1 danielmoraisdesouza.pdf: 1277495 bytes, checksum: 7c2517a5b98a6f70aa787d954cd0c84a (MD5) / Made available in DSpace on 2018-06-27T15:04:32Z (GMT). No. of bitstreams: 1 danielmoraisdesouza.pdf: 1277495 bytes, checksum: 7c2517a5b98a6f70aa787d954cd0c84a (MD5) Previous issue date: 2018-02-19 / Eletricidade é um insumo de uso generalizado nas economias modernas, penetrando nas mais variadas atividades produtivas e de consumo na sociedade. No entanto, as dificuldades de armazenamento em larga escala dessa forma de energia fazem com que a eletricidade seja muito sensível às condições de oferta, a ponto de que problemas de abastecimento rapidamente se convertem em apagões. Dentre vários dispositivos implementados na re-estrutuação do setor elétrico brasileiro (SEB) ao longo dos últimos 17 anos, estão sistemas de previsão de médio e longo-prazos usados por parte dos agentes públicos e privados do setor para reduzir as incertezas dos processos de abastecimento e expansão. A ANEEL chegou a recomendar na NT 292/2008-SER o uso de três metodologias multivariadas alternativas nesses sistemas de previsão, a saber: modelos VAR e VCE, modelos autorregressivos com defasagens distribuídas (ARDL) e modelos estruturais a espaço de estados. A literatura especializada, em que pese a presença de vários estudos propondo modelos de previsão do consumo de eletricidade para os três segmentos residencial, industrial e comercial, apresenta majoritariamente modelos de tipo VAR e VCE. Este estudo atualiza a literatura no que concerne ao uso de modelos VAR e VCE e ao mesmo tempo os compara em termos preditivos com os modelos ARDL e estruturais a espaço de estados. Os resultados encontrados na análise do desempenho preditivo dos modelos mostraram que para o segmento residencial, o modelo com melhor capacidade preditivo foi o modelo estrutural, enquanto que para o segmento comercial foi o modelo VCE e, para o segmento industrial, foi o modelo ARDL. Previsões de 2014 a 2025 foram feitas com o intuito de informar ao mercado brasileiro a demanda de energia para cada segmento. Foram usadas bases de dados disponíveis e atualizadas provenientes das mesmas fontes usadas nos estudos da literatura. / Electricity is an input of widespread use in modern economies, penetrating in the most varied productive and consumption activities in society. However, the difficulties of large-scale storage make electricity very sensitive to supply conditions, to the point that supply problems quickly turns into blackouts. Among several devices implemented in the re-structuring of the Brazilian electricity sector (SEB) over the last 17 years, medium and long-term forecasting systems are used by public and private sector agents to reduce the uncertainties of the supply processes and expansion. ANEEL recommend in NT 292/2008-SER the use of three alternative multivariate methodologies in these prediction systems, namely: VAR and VCE models, autoregressive models with distributed lags (ARDL), and state space structural models. The specialized literature, despite the presence of several studies proposing models of prediction of the consumption of electricity for the three residential, industrial and commercial segments, mainly presents models of type VAR and VCE. This study updates the literature regarding the use of VAR and VCE models and at the same time compares them in predictive terms with the ARDL and structural state space models. The results found in the predictive model analysis showed that for the residential segment, the model with the best predictive capacity was the structural model, while for the commercial segment it was the VCE model and, for the industrial segment, it was the ARDL model. Forecasts from 2014 to 2025 were made with the intention of informing the Brazilian market the energy demand for each segment. Available and updated databases from the same sources used in literature studies were used.