动态电压调节(DVS)技术是嵌入式实时系统中一种高效的低能耗设计技术。实时调度层面的DVS算法主要是分析任务调度过程中的松弛时间，然后分配这些松弛时间来降低系统的能耗。传统的时间分配方式都是以最坏执行时间进行(WCET)的，然而WCET并不能准确反映任务的实际执行情况，对此，本文采用实际执行时间(AET)的概率分布对系统的能耗进行建模，发现系统的能耗与任务的AET有着直接关系，从单个任务来看，任务能耗的期望与AET分布的期望成正比例关系，从系统整体来看，如果系统的松弛时间按照AET来进行分配，系统的能耗将达到最低。但是，任务的AET无法提前得知，本文采用了概率估计的方法，利用平均执行时间(ACET)对AET概率分布进行估计，本文基于ACET对下一个任务到来之前(即NTA)的松弛时间进行分配，并将此方法分别运用到静态优先级的调度算法RMS和动态优先级的调度算法EDF，实验结果表明，改进后的RMS和EDF算法在节能效果上比传统的DVS算法均有所提高。在此基础上再利用Look-ahead思想，通过提前分析当前执行任务的执行情况，对当前任务将要产生的松弛时间进行估计，使得系统的能耗进一步降低，实验结果表明，基于改进ACET的DVS算法的节能效果进一步提升了3.90％。　　本文还将基于ACET的DVS算法运用到经典的混合实时调度TBS算法中，实验结果表明，改进后的TBS算法在保证了软实时任务响应时间的同时还能降低系统的能耗。结合已有的一些能耗管理框架，本文总结出了混合实时任务的能耗管理框架—MTSF-DVS框架，并在该框架中加入了软实时任务的服务质量QoS因子，用来控制软实时任务的响应效果，将此框架的原型在eCOS系统中进行了实现。本文将此原型移植到Petinum M的实际平台上进行测试，测试结果表明，该框架能够稳定工作，最大能够节约近50％的能耗。