Uma das questões mais importantes referentes ao planejamento de expansão do sistema elétrico nacional, é a previsão da demanda de energia elétrica a curto e médio prazo. Com a crescente demanda por energia devido ao aumento populacional e ao crescimento na produção industrial, especialmente de produtos eletrônicos de alta tecnologia, métodos de previsão precisos se fazem ainda mais necessários. Quanto maior seja a acurácia da previsão da demanda de energia elétrica, mais esta poderá contribuir para ter melhoras nas análises de expansão do sistema elétrico. Dentro dos métodos mais usados temos as séries temporais onde podemos encontrar o modelo autorregressivo integrado de médias móveis (ARIMA). Então, dando continuidade aos trabalhos anteriores do Departamento de Engenharia Nuclear da Universidade Federal de Minas Gerais, usando as séries temporais para a previsão da demanda de energia elétrica, os resultados apresentaram que só a utilização do método ARIMA apresenta maior erro que outros métodos, o método ARIMA quando utilizado com outros métodos, o erro pode ser reduzido. Com o intuito da redução do erro, este trabalho avalia a redução do erro comparando o método ARIMA com primeiro caso, com a combinação de ARIMA com Wavelet e ARIMA com Transformada de Fourier. Para este tipo de análise precisaremos de dados históricos da curva de carga do sistema interligado nacional (SIN), que podem ser disponibilizados pelo Operador Nacional do Sistema Elétrico (ONS), fazendo uma análise de previsões de curto, médio e longo prazo. A análise comparará os resultados de cada técnica, para diferentes intervalos de tempo: horários, diários e mensais. As previsões foram feitas a partir de códigos na linguagem de programação Python. Os resultados encontrados mostraram que as técnicas utilizadas foram efetivas para melhorar a precisão das previsões feitas através da técnica de ARIMA, sendo a transformada de Fourier mais efetiva para médias mensais e a transformada Wavelet melhor para as médias diárias e os dados horários.