优化运行对于保证机组运行的安全性与经济性具有重要作用,优化运行目标值的确定方法是其中重要的研究内容。机组历史运行数据可以为机组优化运行提供大量建模样本,但运行数据中存在分布混杂、特征提取困难、分布不均匀等问题,因此需要有针对性地研究并应用合适的数据挖掘方法。本文以某660MW机组为研究对象,围绕基于数据聚类的优化运行目标值确定方法开展研究工作,主要研究内容包括:首先,提出了一种数据离散化方法,利用有序聚类算法对升序排列的数据样本进行聚类得到最佳的离散化区间,并以煤质数据离散化为例,实现了煤质数据的有效归类。将提出的离散化方法与粗糙集理论相结合,提出了一种属性重要度计算方法,可解决热工数据特征提取困难的问题。基于离散化方法提出了一种下采样方法,可以获得分布均匀的数据样本。其次,为得到求取运行参数目标值所需的机组负荷预测值,提出了一种基于聚类分析和HMF的负荷预测方法,将预测时间点之前几个小时的负荷序列与同时段的历史负荷数据进行相似性匹配,利用最相似日的负荷变化趋势对未来负荷做出预测。相比传统的ARMA预测算法,该方法具有更高的预测精度。再者,针对热工数据工况众多、聚类效率不高等问题,提出了一种能够自动确定聚类中心的改进密度峰值聚类算法,并利用该算法对脱硫系统的可控特征参数进行数据聚类,划分得到不同运行工况,以脱硫变动成本和环保税之和为指标对各工况进行经济性评价,得到了脱硫系统目标运行工况以及目标运行参数。以各边界条件下的平均成本最低为指标,得到了脱硫系统SO2出口浓度排放目标值。此外,针对热工数据各特征参数分布的紧密程度不同、数据动态增加等问题,提出了一种特征加权聚类算法,通过将新增数据点划分到已有类簇中,使得聚类中心在增量数据下能够不断更新。利用该算法对机组煤耗目标值进行挖掘,得到了各个工况的煤耗目标值,并且实现了煤耗目标值的实时更新。最后,开发了机组目标值优化运行软件,可实时指导现场运行。