CoordenaÃÃo de AperfeÃoamento de Pessoal de NÃvel Superior / This study aims to develop a planning system on multiple spatial and temporal scales, and apply it to the Brazilian electric sector and Cearà State, Jaguaribe Metropolitan System. For realization of this proposal, we have been considered some temporal scales: short-term (up to 1 month), short term (up to one year) and medium to long term (1-10 years and 10-30 years, respectively). To obtain estimates of the flow of short-term rainfall forecasts from atmospheric models for later entry in the hydrological rainfall-runoff model are used. To short term scale were considered stochastic and statistical models, as the Periodic Autoregressive type (PAR), Periodic Autoregressive with exogenous variables (PARx) and K-nearest neighbor models, and the use of global atmospheric models as input to hydrological rainfall-runoff model Soil Moisture Accounting Procedure (SMAP). For the range of the medium term were considered auto regressive models (AR) and Fourier and wavelets. We used data from the Coupled Model Intercomparison Project Phase 5 (CMIP5) as input in hydrological rainfall-runoff model for long-term scale. For the weather forecast, as the rain threshold adopted in the construction of the contingency table increases, the quality of the forecasts decreases, except for the adjustment index. Thus, the system of numerical prediction proves efficient in detecting the occurrence of rainfall of less intensity, with most satisfactory results in the North and Northeast regions of Brazil. On seasonal scale the models feature up better than the climatology. Likewise, in the range of medium-term models based on Fourier series and wavelets have better likelihood than the weather. In multi-scale, there are differences in the future shown by the projections of the CMIP5 models that were analyzed for RCP8.5 and RCP4.5 the XXI century scenarios, but in the North sector of the National Interconnected System (SIN), most models indicate negative trend, diverging only in magnitude. / O presente trabalho visa elaborar um sistema de planejamento em mÃltiplas escalas temporais e espaciais e aplicÃ-lo ao setor elÃtrico brasileiro e ao sistema Jaguaribe-Metropolitano do Estado do CearÃ. Para realizaÃÃo desta proposta, foram consideradas algumas escalas temporais: curtÃssimo prazo (atà um mÃs), curto prazo (atà um ano) e mÃdio e longo prazo (1 a 10 anos e atà 30 anos, respectivamente). Para obtenÃÃo das previsÃes de vazÃes de curtÃssimo prazo sÃo utilizadas as previsÃes de precipitaÃÃo a partir de modelos atmosfÃricos, para posterior entrada no modelo hidrolÃgico chuva-vazÃo. Para escala de curto prazo foram considerados modelos estocÃsticos e estatÃsticos, como do tipo PeriÃdico Autorregressivo (PAR), PeriÃdico Autorregressivo com variÃveis exÃgenas (PARx) e K-vizinhos, e o uso de modelos atmosfÃricos globais como entrada do modelo hidrolÃgico chuva-vazÃo Soil Moisture Accounting Procedure (SMAP). Na escala de mÃdio prazo foram considerados modelos autorregressivos (AR) e as transformadas de Fourier e ondeletas. Para escala de longo prazo foram utilizados dados provenientes do Coupled Model Intercomparison Project Phase 5 (CMIP5) como dados de entrada no modelo hidrolÃgico chuva-vazÃo. Quanto à previsÃo de tempo, à medida que o limiar de chuva adotado na construÃÃo da tabela de contingÃncia aumenta, a qualidade das previsÃes diminui, exceto para o Ãndice acerto. Dessa forma, o sistema de previsÃo numÃrica mostra-se eficiente em detectar a ocorrÃncia de chuvas de menor intensidade, apresentando resultados mais satisfatÃrios nas regiÃes Norte e Nordeste do Brasil. Na escala sazonal, os modelos apresentam-se melhor que a climatologia. Da mesma forma, na escala de mÃdio prazo, os modelos baseados na sÃrie de Fourier e ondeletas apresentam melhor verossimilhanÃa do que a climatologia. Na escala plurianual, hà divergÃncias quanto ao futuro mostrado pelas projeÃÃes dos modelos do CMIP5 que foram analisados para os cenÃrios RCP8.5 e RCP4.5 do sÃculo XXI, porÃm no setor Norte do Sistema Interligado Nacional (SIN), a maioria dos modelos sinaliza tendÃncia negativa, divergindo apenas em magnitude.