Este trabalho apresenta um novo modelo de previsão de curto prazo de carga elétrica que reúne técnicas de inteligência computacional e métodos estatísticos. Ele permite aproveitar as vantagens de inteligência computacional, relativas à criação de classes da série de entrada e ao processamento de variáveis climáticas de forma lingüística, e aquelas provenientes de modelos estatísticos, onde os parâmetros e a ordem do modelo são conhecidos e o intervalo de confiança das previsões é determinado. O modelo é uma extensão do método desenvolvido por P.C. Gupta, onde são empregadas técnicas de inteligência computacional junto com o método original. O modelo resultante compreende um classificador, um previsor e um procedimento para aprimorar as estimativas. O classificador é implementado por uma rede neural artificial com aprendizado não-supervisionado, enquanto o previsor emprega modelos estatísticos, combinando métodos de média móvel, amortecimento exponencial e auto- regressivo. Um sistema com lógica nebulosa utiliza variáveis climáticas no aprimoramento da previsão obtida.