云计算作为现代化高新技术发展的重要体现,已成为创新企业发展的强力引擎。凭借网络按需付费的服务模型创新,云计算受到企业和用户的广泛关注。然而,云平台高速扩增引发了一系列高能耗问题,成为云服务厂商所面临的重大难题。如何在保障云服务质量的同时有效降低数据中心能耗成为当前云计算领域的热点问题。作为能耗优化的重要手段之一,云资源调度技术旨在设计高效的资源分配策略提高资源利用率,进而降低能耗。因此,本课题关注于云环境下能耗优化问题,深入分析和对比当前云资源调度技术的关键性问题,借助三支决策与粒计算等理论工具,分别从虚拟机迁移技术、云任务调度策略以及云负载预测方法等方面着手,开展一系列面向云能耗优化的资源调度方法研究。（1）针对实际云平台中受单一物理机限制导致的虚拟机资源竞争和利用率低效问题,通过分析虚拟机负载相似性及资源占有度问题,本课题提出能耗感知下云资源三支粒度调度策略。首先,在迁移过程中设计云资源三支划分策略,并使用K-means算法在划分区域选择待迁移的虚拟机序列;其次,依据虚拟机与物理机的负载相似度,获取虚拟机放置顺序;最后,依托CloudSimPlus云仿真平台验证所提方法的有效性。实验结果表明所提方法能够有效降低云能耗,实现资源充分利用。（2）针对云任务调度过程中云任务与资源不匹配导致的高能耗损失问题,本课题将多粒度知识发现方法引入云任务调度中,提出能耗感知下基于贪心策略的云任务调度方法。首先将任务进行不同粒度划分:CPU型,内存型和混合型;然后为不同粒度下的云任务分配相应的调度策略;最后在CloudsimPlus平台上进行实验。实验结果表明,所提出的方法可以大大降低云数据中心能耗,是一种非常实用的任务调度算法。（3）针对当前准周期效应下云负载需求预测算法难以满足动态变化的用户资源需求的现状,通过引入C-3WD理论模型到云负载误差分析过程,本课题提出能耗感知下基于C-3WD模型的云负载预测技术。首先对云资源需求进行预测,然后利用区间集来将预测得到的误差序列表示为误差区间,接着引入改变三支决策的思想,将误差序列划分为平缓、抖动和波动误差区间,再对误差区间用相对应的预测方法来进行误差修正,从而增强预测性能,提高资源利用率并有效降低能耗。