A previsão do consumo de energia elétrica no longo prazo é essencial para o planejamento do sistema de energia. o consumo de energia elétrica depende de variáveis econômicas e sociais, e a seleção destas variáveis é um dos pontos importantes na realização de previsões causais. neste sentido, foi desenvolvido um método para seleção das variáveis de entrada para a previsão mensal do consumo de energia usando redes neurais artificiais. o método consiste na aplicação de uma análise de componentes principais para reduzir a dimensionalidade dos dados. as previsões obtidas com a aplicação da análise de componentes principais foram combinadas por redes neurais e comparadas às previsões obtidas selecionando-se as variáveis por análise de correlação. uma contribuição importante deste trabalho é a evidência de que a análise de componentes principais reduz o número de variáveis no conjunto de entradas das redes de previsões, adicionalmente à redução do erro da previsão de energia. a medida de erro percentual absoluto médio (mape) e a estatística u de theil são utilizadas e evidenciaram a capacidade preditiva do método proposto. as previsões das redes neurais com variáveis selecionadas no primeiro componente principal, fora da amostra, foram cerca de $17,27%$ menor que as redes com entradas selecionadas por análise de correlação. completando a análise, a combinação de previsões alcançou erros $38,59%$ menor que os erros com análise de correlação. os resultados obtidos com os segundo e terceiro componentes principais foram, na média, maiores que os erros do método ingênuo, entretanto,tais previsões foram relevantes para a combinação de previsões.