数据中心作为信息化时代的重要基础设施,其高能耗低能效问题备受关注,如何构建绿色节能的数据中心成为当前的研究热点。本文从数据中心内的“能耗大户”服务器着手,旨在透彻分析服务器运行时的关键特征,并提供精准的服务器能耗预测结果给任务调度器,从而实现服务器的提效降耗,最后将本文的学术研究沉淀到本文所属课题的工业系统内。首先,为了解决目前没有公开的服务器能耗数据集的问题,本文提出了一套模拟数据中心内服务器运行情况的仿真环境架构,基于该架构采集了 CPU密集型和网络I/O密集型的服务器能耗数据集。其次,为了解决现有特征选择算法在分析服务器能耗数据集时存在大量冗余特征的问题,本文应用了基于因果关系的特征选择算法,对比实验表明,相比于现有特征分析方法而言,因果特征分析在保证模型预测精度的前提下,剔除了大量冗余特征,并增强了特征子集的可解释性。然后,为了解决现有时序预测模型在预测服务器能耗时未能充分挖掘变量间空间依赖性的问题,本文提出了一种基于时空图神经网络的能耗预测模型,对比实验表明,相比于现有时序预测模型而言,基于时空图神经网络的能耗预测模型不仅小幅提升了预测精度,而且能构建出关键特征有向图,增强了模型预测结果的可解释性。最后,本文实现了满足高并发、高性能、高可用要求的服务器能耗预测系统,该系统提供了高效的后端接口、多样的算法模型和便捷的前端界面,压力测试表明,该系统的后端接口每小时能服务上万级的并发量。