电站运行优化是以一定的安全性和经济性指标对机组运行状况作出评价和决策,从而指导运行调整。电站实时历史数据库存储了大量的现场运行信息,对这些数据进行深入分析可以找出机组运行的规律及系统改善的途径。本文基于历史数据,从电站数据库中分析提取其中有价值的知识,找出目标参数的最优运行值。粗糙集理论可以发现属性间的依赖关系,并且不需要先验知识,仅靠数据本身提供的信息就能发现其中隐含的信息,给出决策规则。利用这一理论对影响机组经济性的参数进行约简,找出其中重要的属性用于优化。粗糙集理论只能处理离散的数据,而电站监测调整的参数多为连续属性。采用模糊聚类方法,通过设定离散化的类别数及初始的离散中心,结果返回离散化后的中心值及样本数据对于中心值的隶属度,依次确定样本数据的类别归属,构建离散化决策表。由于电站运行数据之间存在复杂的相关性,因此通过相关性分析帮助识别属性间的相关程度,结果可用于降维约简,同时反映参数间的线性变化关系,提供系统的运行规律有助于指导运行。文中另外介绍了机组经济性指标的计算模型与影响因素,基于某600MW燃煤机组的历史稳定运行数据,利用粗糙集进行参数约简,根据样本规则的置信度与支持度,提取了其中重要的决策规则,从而挖掘出历史运行工况下目标参数的优化值。