Los datos de consumo de energía se utilizan para mejorar la eficiencia energética y minimizar los costos. Sin embargo, obtener datos de consumo de energía tiene dos desafíos principales: (i) la recopilación de datos es muy costosa y consume mucho tiempo, y (ii) la preocupación por la seguridad y la privacidad de los usuarios que pueden ser reveladas a partir de los datos reales. En esta investigación, hemos abordado estos desafíos utilizando redes generativas adversarias para generar perfiles de consumo de energía. Hemos generado con éxito datos sintéticos que son similares a los datos reales de consumo de energía. Sobre la base de la reciente investigación realizada en TimeGAN, hemos implementado un marco para la generación de datos sintéticos de consumo de energía que podría ser útil en la investigación, análisis de datos y creación de soluciones empresariales. El marco se implementa utilizando un conjunto de datos de energía del mundo real, que consta de datos de consumo de energía del año 2020 para los estados australianos de Victoria, Nueva Gales del Sur, Australia Meridional, Queensland y Tasmania. Los resultados de la implementación se evalúan utilizando diversas medidas de rendimiento y se muestran mediante visualizaciones junto con análisis de componentes principales (PCA) y gráficos de incrustación estocástica de vecinos t-distribuidos (TSNE). En general, los resultados experimentales muestran que los datos sintéticos generados utilizando la implementación propuesta poseen características muy similares al conjunto de datos reales con una alta precisión en la comparación.