针对云计算中心机柜能耗数据序列化且变化频率高的特点，融合信号处理与深度学习方法，研究基于序列能耗特征提取的能耗预测模型，即基于变分模态分解(VMD)与粒子群优化(PSO)的门控循环单元(GRU)的能耗预测模型.首先，采用VMD算法对机柜设备能耗序列进行特征提取，获得不同中心频率的能耗数据本征模态函数(IMF);其次，基于IMF分量学习训练，构建各分量PSO-GRU预测模型；最后，使用最优模型实现能耗数据IMF函数分量预测及其重构，以序列叠加运算获得机柜的能耗预测结果.经云计算中心机柜设备能耗数据实验表明，基于VMD算法特征提取的PSO-GRU能耗预测模型具有精度较高、通用性强的特点，可为数据机柜及云计算中心的能效优化控制提供支撑.