The present dissertation proposes the optimal management of the refrigeration demand of a university distribution network to promote greater economy and energy efficiency using the thermal inertia of air-conditioned classrooms as storage element of thermal energy and photovoltaic generation. The proposed method considers the hourly variation of the ambient temperature influencing the variation of the internal temperature of the classrooms and the consumption of energy throughout the day, knowing that the consumer unit is charged in the green model. The analysis of the loads of the consumer unit leads to the conclusion that most of the energy consumed is destined to some kind of refrigeration load, especially to ambient air conditioners, thus, to consider the management of this type of loads in the context of intelligent networks is a coherent way of positively impacting on increasing energy efficiency. Demand side management is based on Genetic Algorithm and the results prove the effectiveness of the proposed method in balancing the energy management and promoting a considerable increase in the economy with the energy expenses.CNPq - Conselho Nacional de Desenvolvimento Científico e TecnológicoA presente dissertação propõe o gerenciamento ótimo da demanda de refrigeração de uma rede de distribuição universitária para promover maior economia e eficiência energética utilizando a inercia térmica de salas de aula climatizadas como elemento armazenador de energia térmica e geração fotovoltaica. O método proposto considera a variação horária da temperatura ambiente influenciando a variação da temperatura interna das salas de aula e o consumo de energia ao longo do dia, sabendo que a unidade consumidora é tarifada no modelo Horo-Sazonal Verde. A análise das cargas da unidade consumidora leva a concluir que a maior parte da energia consumida é destinada a algum tipo de carga de refrigeração, sobretudo a climatizadores de ambiente, assim, considerar a gestão deste tipo de cargas no contexto das redes inteligentes (Smart Grids) é uma maneira coerente de impactar positivamente no aumento da eficiência energética. O gerenciamento pelo lado da demanda é realizado com base em Algoritmo Genético e os resultados comprovam a eficácia do método proposto em equilibrar o gerenciamento energético e promover um aumento considerável na economia com os gastos de energia.