随着高性能计算（High Performance Computing,HPC）技术的飞速发展,HPC数据中心的算力得到巨大的提升,越来越多的行业用户习惯于将业务应用部署到HPC数据中心。但算力增强的同时也伴随着高能耗问题的出现,HPC集群作为HPC数据中心重要的组成部分,其巨大的能源消耗不仅加重了HPC数据中心的运营成本,还对生态环境保护及国家双碳战略推进实施带来了负面影响。为了解决这一问题,本文首先对HPC集群能耗进行一个全面的分析,如针对集群的整体能耗或集群中运行的作业的能耗进行分析,同时重点对用户能耗也做了定量分析。其次,针对HPC集群的高能耗问题,本文设计并实现了对HPC集群的功耗预测算法,用于辅助高性能数据中心运营方提高能效并制定节能策略,算法支持集群中多样化作业的功耗预测以及相同作业不同参数的功耗预测。本文以HPC集群能耗分析以及功耗预测作为出发点,在阅读大量参考文献的基础上,对当前数据中心高性能计算集群的能耗问题进行分析与研究。总结本文的主要贡献如下:（1）针对当前HPC集群分析不全面的问题,本文从HPC集群用户特征分析、集群负载分析以及用户执行作业的特征分析三个方面对国家级超算中心内的真实高性能生产集群进行了多维度分析。发现了集群内存在的能耗曲线规律以及问题,通过分析问题的原因并对存在的问题提出相应的能耗优化解决方案。（2）针对HPC集群内多种作业功耗预测精确度低的问题,本文提出了一种基于用户作业相似性判断的功耗预测方法（Power consumption prediction based on similarity judgment,PCPSJ）。该算法通过从该用户执行的历史作业中选出与目标作业相似的作业集合进行训练,并对目标作业进行预测。同时为了验证PCPSJ算法的有效性,本文在五种不同作业类型的数据集上进行测试实验,并与基线模型进行对比,结果表明了PCPSJ算法在预测精确度方面的优越性。