Nowadays, the use of non-linear loads and power electronics-based equipment in residential, commercial and industrial facilities are contributing to the significant increase of current harmonic distortion levels and, consequently voltage harmonic distortions, as noted in the Brazilian distribution systems. Increasing levels of harmonic distortion in electrical distribution networks is a concern to electric utilities and customers, because the presence of these harmonic sources causes, among others, loss of quality in the energy supply. With a focus on this problem, this thesis proposes the development of non-parametric regression models to identify and quantify what non-linear loads can be considered main sources of voltage harmonic distortion at a point of interest in the electric network. The proposed methodology is based on data correlation analysis, using non-parametric regression statistical models to establish the correlation among the non-linear loads harmonic currents and harmonic voltage at a point of interest. This model is built from harmonic voltage and currents measurements, obtained in measuring campaigns using power quality analyzers installed at the points of interest. In addition, it should be pointed out that these harmonic voltages and currents must be express in base units, rather than percent values in relation to the fundamental component, in order to prevent the influence in the creation of the regression model. An important aspect in this methodology is the use of techniques based on Kernel local polynomial regression, for the estimation of the regression model between harmonic voltage and current. To validate the models it is introduced the determination coefficient R2, which can be obtained from the Pearson correlation coefficient, to measure the accuracy degree of the developed models. The non-parametric regression procedure provides a great flexibility in the estimation of regression models, since it makes possible to carry out a more effective model fit to the data samples, and therefore it is able to characterize the influence of each harmonic source in more detail for the entire measurement period. This technique presented more reliable results and overcomes the shortcomings of the linear regression model, which requires the harmonic currents of other sources, called background, not to vary when analyzing a particular load current. The linear and non-parametric regression models were simulated using the program R, which is a language and environment for statistical calculations and graphs, and as test system it was used the Federal University of Pará electric distribution network, consisting of 84 (84) load busbars in 13.8 kV. The results so obtained are compared to those obtained with the linear regression models, and presented good performance, allowing its application for electric power distribution companies.Atualmente, o uso de cargas não lineares e equipamentos baseados em eletrônica de potência nas instalações residenciais, comerciais e industriais estão contribuindo para o aumento significativo dos níveis de distorção harmônica de corrente e, consequentemente de tensão, conforme observado no sistema brasileiro de distribuição de energia elétrica. O aumento contínuo dos níveis de distorção harmônica nas redes elétricas de distribuição tem causado preocupação nas concessionárias e clientes de energia, pois a presença dessas fontes de harmônico no sistema provoca, entre outros, perda da qualidade no fornecimento de energia. Com foco neste problema, a presente tese propõe o desenvolvimento de modelos de regressão não paramétrica para identificar e quantificar quais cargas não lineares podem ser consideradas fontes harmônicas principais, para as distorções de tensão em um ponto de interesse da rede elétrica. A metodologia proposta se baseia na análise de correlação de dados, utilizando modelos estatísticos de regressão não paramétrica para estabelecer a correlação entre as correntes harmônicas das cargas não lineares e a tensão harmônica no ponto de interesse. Este modelo é construído a partir das tensões e correntes harmônicas de mesma ordem respectivamente, obtidas em campanhas de medição através de qualímetros instalados nos pontos de interesse. Além disso, deve-se salientar que essas tensões e correntes harmônicas devem estar em sua unidade base, ao invés de grandezas normalizadas em relação à componente fundamental, de forma a impedir que a mesma influencie na criação do modelo de regressão. Um aspecto importante nesta metodologia está na utilização das técnicas de regressão polinomial local de Kernel, para a estimação das curvas de regressão entre a tensão e a corrente harmônica. Na validação dos modelos introduz-se o coeficiente de determinação R2, o qual pode ser obtido a partir do coeficiente de correlação de Pearson, para mensurar o grau de precisão dos modelos desenvolvidos. A regressão não paramétrica proporciona uma grande flexibilidade na estimação do modelo de regressão, uma vez que a mesma torna possível à realização de um ajuste mais efetivo do modelo às amostras de dados, e, portanto, é capaz de caracterizar a influência de cada fonte harmônica de forma mais detalhada para todo o período de medição. Essa técnica, apresentou resultados muito mais confiáveis e supera as deficiências dos modelos de regressão linear, o qual impõe que as correntes harmônicas das outras fontes, background, não variam quando se analisa uma determinada corrente de carga. Os modelos de regressão linear e não paramétrico foram simulados aplicando-se o programa R, que é uma linguagem e ambiente para cálculos estatísticos e gráficos, e como sistema teste utilizou-se a rede de distribuição elétrica da Universidade Federal do Pará, constituído de 84 (oitenta e quatro) barras de carga em tensão de 13,8 kV. Os resultados obtidos são comparados aos modelos de regressão linear e apresentaram bom desempenhos possibilitando sua aplicação por empresas de distribuição de energia elétrica.