为了满足第五代移动通信技术(The Fifth Generation of Mobile Technology,5G)应用场景中相关业务对高传输率、低时延的需求,业界提出了移动边缘计算(Mobile Edge Computing,MEC)的概念,即在移动接入网络侧部署一些具有计算、存储能力的服务器集群以满足上述需求。移动边缘计算的服务器集群用于给用户提供服务,称为边缘数据中心(Edge Data Center,EDC)。EDC消耗的能量与利用率有关,但是处于空闲状态的服务器仍然消耗相当于其满负荷运转时70%左右的能量,因此造成了浪费。本文以此作为切入点,对EDC的负载预测和动态电源管理两方面展开了研究,采用动态电源管理合理控制EDC服务器工作状态的转换,通过关闭EDC中处于空闲状态或利用率低的服务器达到节约能耗的目的。负载预测能够根据历史负载数据得到未来时刻负载特性的部分观测信息,准确的负载预测结果能够帮助动态电源管理选择更优的节能策略,从而达到更好的节能效果。本文主要工作包括:(1)调研MEC的研究现状和特点,聚焦在EDC的节能管理问题上,深入了解常用负载预测算法,动态电源管理的超时策略和N策略(N-policy),着手根据移动网络以及EDC的特性找到适用于本文应用场景的算法研究。(2)首先进行了负载预测方法的设计,综合考虑用户移动性和EDC的地理位置信息,提出了基于LSTM的预测负载模型,该模型预测出各个EDC在未来时刻的负载量数据,该数据用于指导动态电源管理的机制设计。然后该机制通过试验和错误(Trail-and-Error)的强化学习方法学习到全局最优的动态超时阈值策略和N-policy,合理控制服务器的工作状态切换,并且减少由于频繁开启和关闭服务器浪费的能耗。(3)为了验证本研究的性能效果,利用python语言,搭建了EDC处理任务与工作状态转换的模拟仿真环境,分别进行了负载预测以及动态电源管理的实验,实验结果显示,本文提出的负载预测模型和电源管理机制分别与传统的方法相比平均提升了4.21%的准确率和节约了12.5%的能耗,达到了EDC系统性能与能耗的均衡。通过在EDC中使用负载预测与动态电源管理相结合进行节能的方法,可以有效的满足MEC在满足低时延、高带宽和高可靠性方面的需求,减少不必要的能耗浪费,有助于降低MEC服务提供商在实际运营过程中的成本开销。