云计算是一种新的计算模式，它为可配置的计算资源提供普适的、便利的、按需的网络访问，在此基础上为用户提供可靠的、灵活的且具有弹性的服务。目前云计算已受到学术界和工业界的广泛关注。互联网数据中心是支撑云服务的基础设施。随着云计算的深入发展，数据中心的规模也不断扩大，从而带来了巨大的能量消耗，能耗相关的成本也成为云计算提供商的主要成本之一。一方面，巨额成本已成为制约云计算持续发展的重要障碍，另一方面，在能源日趋紧缺的的今天，如何有效使用能源已成为各国战略的重点。因此，研究数据中心的能耗管理具有重要意义。与此同时，互联网数据中心具有系统异构性，其所处的电力市场具有差异性，而数据中心与电网也存在交互性，这些特征都为其能耗管理问题带来新的挑战。本文围绕异构集群系统能耗管理、数据中心电力成本等问题进行研究，建立了系统模型，提出了解决方案，主要的研究成果有：　　1.针对异构集群系统的能耗管理问题，给出了一种基于优化的能量管理模型，通过求解该模型提出了一种有效的节能算法。本文考虑集群系统运行多层架构的应用，并同时利用动态电压调整(DVFS)和服务器休眠(on/off)两种节能技术，在保证服务质量的前提下降低能耗。本文以系统响应时间作为评价服务质量的指标，并利用排队论对其进行建模。以此为基础将能耗管理问题建模为一个混合整数非线性规划问题(Mixed Integer Nonlineare Programming Problem, MINLP)。针对优化问题的特征，利用广义Benders分解法(Generlized Benders Decomposition, GBD)设计有效的求解算法，并引入反馈机制提高算法的精确性。该算法具有良好的理论支撑，仿真实验也表明算法具有很快的收敛速度。相比较已有的节能策略，该算法最高可减少42.5％的系统能耗。　　2.针对电价的地域差异性的特征，提出一种基于负载分配的互联网数据中心电力成本优化模型，并设计相应的节能和负载分配算法。通过分析电力市场历史数据，发现电价与系统用电量有关，并提出一种价格模型反映这种相关性。接着，将电力成本管理问题建模为一个带延时约束的优化问题，该优化模型考虑电价与负载的关系。为了便于求解，将上述优化模型转化为一个二次规划问题；为了降低网络延时，设计了负载均衡算法。基于真实电价数据的实验表明，充分利用电价市场的地域差异，该算法可以在不降低用电量的情况下，降低电力成本（最高9.9%）。　　3.针对数据中心能够改变电力市场价格的特征，提出了一种基于边际成本的电力成本优化算法。通过引入边际成本的概念，深入分析了数据中心改变电价的能力，研究了负载均衡对电力成本的影响，并发现多个互联网数据中心之间负载均衡的推动力是边际成本（而非电价）。并以此为出发点，设计了边际成本驱动的电力成本优化算法。基于真实电价数据的实验表明，该算法最大可节约11%的电力成本，且随着数据中心规模不断扩大具有良好的扩展性。　　4.针对电价的时间差异性的特征，利用可延迟负载，提出了一种基于博弈论的电力成本优化模型，该模型同时考虑数据中心和家庭用户的用电决策及其相互影响，并设计了快速的在线算法。本文首先对可延迟负载进行建模，并将数据中心和家庭用户的电力成本管理问题建模为时间平均(Time Average)成本优化问题。由于两种用户的决策相互影响，通过引入经济学中的主导厂商模型(Dominant Firm Model)，提出了一种基于博弈论的模型来刻画数据中心与家庭用户决策之间的交互。为了克服电价和负载未来信息不可获得的困难，设计了一种在线算法。该算法应用Lyapunov优化框架，且不需要系统状态的未来信息。理论分析表明，该在线算法能够达到电力成本和负载延迟之间的平衡，且任意精度接近离线算法的最优解。基于真实电价和数据中心负载的实验表明，该算法最高可降低26.6%的电力成本，同时能够降低电价的波动，提高电网系统稳定性。