Este trabalho analisará modelos de séries temporais utilizados para modelar séries de vazões. As séries geradas são utilizadas no algoritmo SDDP (Stochastic Dual Dynamic Programming), que é responsável por otimizar o planejamento elétrico de um determinado país ou região. O SDDP é um algoritmo que resolve problemas de otimização lineares, para isso o mesmo necessita que os problemas a serem resolvidos sejam convexos. Para isso, uma exigência é que a função de previsão um passo a frente do modelo seja côncava, que é uma das características da maioria dos modelos clássicos usados para gerar vazões. Dois desses (um normal e outro lognormal) serão analisados e comparados com o GAS (Generalized Autoregressive Score), que é não côncavo mas que ainda pode ser utilizado em uma das fases do SDDP (a fase forward). Conclui-se aqui que apesar da implementação de um único modelo GAS para todos os meses, o mesmo obteve melhores resultados nos testes de aderência quando comparado com modelos mensais (que, portanto, possuem muitos mais parâmetros a serem estimados). Já na geração de cenários, os modelos mensais obtiveram resultados melhores, pois representam melhor a distribuição de probabilidade de cada mês separadamente.