O aumento da demanda por energia registrado nos últimos anos preocupa, pois a construção de novas fontes geradoras é barrada, muitas vezes, por restrições ambientais. Assim, o governo e as empresas de energias estão investindo em um melhor planejamento do sistema. No entanto, para haver uma proposta mais consistente para os consumidores residenciais se faz necessário conhecer melhor o perfil de cada consumidor, que é uma tarefa um tanto quanto difícil, visto que cada consumidor possui o livre arbítrio para consumir a energia de acordo com o conforto que ele deseja, de acordo com seus padrões econômicos e conforme aspectos culturais e sociais do ambiente em que ele vive. Neste contexto, a proposta desta tese foi analisar os impactos que os aspectos socioeconômicos tinham sobre o consumo de energia da classe residencial, sendo desenvolvido um algoritmo que gera curvas de carga virtuais baseadas em dados estatísticos do IBGE e da ANEEL. A partir dados de curvas virtuais, as ferramentas computacionais inteligentes, mais especificamente, as Redes Bayesianas e a Floresta de Caminhos Ótimos, foram treinadas com intuito de avaliar a possibilidade de criação de perfis e classificação dos consumidores e de suas características. Os resultados alcançados demonstram que a consideração dos aspectos socioeconômicos em avaliação de curvas de carga são pertinentes e que devem fazer parte do planejamento do sistema. Outra constatação é que as ferramentas computacionais inteligentes estudadas podem ser exploradas para auxiliar na previsão de consumo e criação de padrões e perfis dos consumidores.

The need for energy has increased in the past years, thus requiring the design of new power plants. However, the project of such new constructions has been considerably neglected, mainly due to environment constraints. However, the whole government and companies are now focusing on a better management of the national energy grid. Despite that new policy, there is a need for a better knowledge concerning the user's behavior in order to present proposals that really take into account the consumers, since each them has the freedom to use the energy the way he wants to, as well as according to his socioeconomic habits. In this context, this thesis proposes to analyze the socioeconomic impacts of the energy consumption concerning residential consumers, being also developed an algorithm that generates virtual load curves based on statistical data from both IBGE and ANEEL. With that data on hand, the intelligent tools, e.g., Bayesian Networks and Optimum-Path Forest, were trained aiming at evaluating the possibility to create profiles for the further identification of their classes according to that information. The results obtained highlighted the importance of the socioeconomic information when evaluating the load curves, which should be part of the whole system. Another conclusion concerns the intelligent tools, which can be further used for consumer forecasting, as well as to create patterns related to the consumers' profiles.