一种机组压力控制的方法和电子设备

技术领域

本发明涉及热力发电领域，尤其涉及一种机组压力控制的方法和电子设备。

背景技术

在热力发电领域，火力发电机组是以煤炭、油类或可燃气体等为燃料，加热锅炉内的水，使之增温，再用有一定压力的蒸气推动气轮方式发电的机组。

机组运行功率与多种参数有关，现有技术中可以采用人工调节参数的方式来控制机组的运行状态。但是，仅凭人工经验来确定运行参数往往难以使机组在最优的参数下运行，无法达到提高产能、节约能源的目的。

如何控制机组运行热耗率以实现节能减排，是本申请所要解决的技术问题。

发明内容

本申请实施例的目的是提供一种机组压力控制的方法和电子设备，用以解决现有技术中机组排放量大且产能低的问题。

第一方面，提供了一种机组压力控制的方法，包括：

获取目标机组的训练数据集和样本数据集，所述训练数据集包括与多个预设工况类别分别对应的预设训练数据，每组预设训练数据包括训练负荷参数和与所述训练负荷参数相对应的多个训练压力参数，所述样本数据集包括所述目标机组实际运行时的多组运行样本数据，每组运行样本数据包括运行负荷参数以及与所述运行负荷参数相对应的运行压力参数；

基于所述训练数据集通过邻近算法对所述样本数据集执行聚类，确定每组运行样本数据所属的预设工况类别；

根据属于目标预设工况类别的至少一个运行样本数据确定与所述目标预设工况类别的至少一个运行样本数据相对应的热耗率；

将目标热耗率对应的运行样本数据中的运行压力参数确定为所述目标机组在所述目标预设工况类别下的目标压力参数，所述目标热耗率包括所述目标预设工况类别相对应的至少一个热耗率中符合预设判断标准的热耗率；

当所述目标机组的运行状态与所述目标预设工况类别相对应时，基于所述目标压力参数对所述目标机组进行压力控制。

可选的，所述样本数据集中的每组运行样本数据还包括以下至少一种参数：

温度、主蒸汽流量、主蒸汽焓值、主给水焓值、再热蒸汽管道热段流量、再热蒸汽热端焓值、再热蒸汽冷端焓值、化学补给水流量、化学补给水焓值、过热减温水流量、过热减温水焓值、再热减温水流量、再热减温水焓值、发电机输出功率。

可选的，基于所述训练数据集通过邻近算法对所述样本数据集执行聚类，包括：

以负荷参数和压力参数建立二维坐标系；

根据所述训练数据集中各组预设训练数据的训练负荷参数和训练压力参数在所述二维坐标系中生成与所述预设训练数据相对应的多个训练点；

根据所述样本数据集中各组运行样本数据的运行负荷参数和运行压力参数在所属二维坐标系中生成与所述运行样本数据相对应的多个样本点；

基于所述多个训练点通过临近算法对所述多个样本点执行聚类。

可选的，基于所述多个训练点通过临近算法对所述多个样本点执行聚类，包括：

确定目标样本点在所述二维坐标系中与各个训练点的欧氏距离；

根据欧式距离符合预设距离标准的训练点确定所述目标样本点对应的运行样本数据所属的预设工况类别。

可选的，根据欧式距离符合预设距离标准的训练点确定所述目标样本点对应的运行样本数据所属的预设工况类别，包括：

根据目标样本点与各个训练点的欧氏距离对各个训练点排序；

根据排序结果将预设数量个训练点确定为符合预设距离标准的训练点；

确定各个符合预设距离标准的训练点对应的预设工况类别；

根据所述各个符合预设距离标准的训练点对应的预设工况类别确定所述目标样本点对应的运行样本数据所属的预设工况类别。

可选的，根据所述各个符合预设距离标准的训练点对应的预设工况类别确定所述目标样本点对应的运行样本数据所属的预设工况类别，包括：

当符合预设距离标准的训练点对应的预设工况类别的数量为多个时，根据所述符合预设距离标准的训练点对应的预设工况类别确定所述目标样本点的运行样本数据属于各个预设工况类别的概率；

根据所述目标样本点的运行样本数据属于各个预设工况类别的概率确定所述目标样本点所属的预设工况类别。

可选的，在将目标热耗率对应的运行样本数据中的运行压力参数确定为所述目标机组在所述目标预设工况类别下的目标压力参数之后，还包括：

通过最小二乘法对每个预设工况类别下的目标压力参数执行回归处理，确定目标滑压曲线，所述目标滑压曲线用于控制所述目标机组在各个预设工况下以目标压力参数运行。

第二方面，提供了一种电子设备，包括：

获取模块，获取目标机组的训练数据集和样本数据集，所述训练数据集包括与多个预设工况类别分别对应的预设训练数据，每组预设训练数据包括训练负荷参数和与所述训练负荷参数相对应的多个训练压力参数，所述样本数据集包括所述目标机组实际运行时的多组运行样本数据，每组运行样本数据包括运行负荷参数以及与所述运行负荷参数相对应的运行压力参数；

聚类模块，基于所述训练数据集通过邻近算法对所述样本数据集执行聚类，确定每组运行样本数据所属的预设工况类别；

第一确定模块，根据属于目标预设工况类别的至少一个运行样本数据确定与所述目标预设工况类别的至少一个运行样本数据相对应的热耗率；

第二确定模块，将目标热耗率对应的运行样本数据中的运行压力参数确定为所述目标机组在所述目标预设工况类别下的目标压力参数，所述目标热耗率包括所述目标预设工况类别相对应的至少一个热耗率中符合预设判断标准的热耗率；

控制模块，当所述目标机组的运行状态与所述目标预设工况类别相对应时，基于所述目标压力参数对所述目标机组进行压力控制。

第三方面，提供了一种电子设备，该电子设备包括处理器、存储器及存储在该存储器上并可在该处理器上运行的计算机程序，该计算机程序被该处理器执行时实现如第一方面的方法的步骤。

第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质上存储计算机程序，该计算机程序被处理器执行时实现如第一方面的方法的步骤。

在本申请实施例中，获取目标机组的训练数据集和样本数据集，所述训练数据集包括与多个预设工况类别分别对应的预设训练数据，每组预设训练数据包括训练负荷参数和与所述训练负荷参数相对应的多个训练压力参数，所述样本数据集包括所述目标机组实际运行时的多组运行样本数据，每组运行样本数据包括运行负荷参数以及与所述运行负荷参数相对应的运行压力参数；基于所述训练数据集通过邻近算法对所述样本数据集执行聚类，确定每组运行样本数据所属的预设工况类别；根据属于目标预设工况类别的至少一个运行样本数据确定与所述目标预设工况类别的至少一个运行样本数据相对应的热耗率；将目标热耗率对应的运行样本数据中的运行压力参数确定为所述目标机组在所述目标预设工况类别下的目标压力参数，所述目标热耗率包括所述目标预设工况类别相对应的至少一个热耗率中符合预设判断标准的热耗率；当所述目标机组的运行状态与所述目标预设工况类别相对应时，基于所述目标压力参数对所述目标机组进行压力控制。通过本申请实施例提供的方案，能通过聚类算法确定出机组处于目标工况类别时的目标压力参数，通过控制机组以目标压力参数运行，能在保证机组以目标工况类别运行的前提下，使机组热耗率符合预设判断标准，实现对机组运行热耗率的控制。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明的一个实施例机组压力控制的方法的流程示意图之一；

图2a是本发明的一个实施例机组压力控制的方法的流程示意图之二；

图2b是本发明的一个实施例建立的二维坐标系示意图；

图2c是本发明的一个实施例二维坐标系中的训练点示意图；

图2d是本发明的一个实施例二维坐标系中的训练点和样本点示意图；

图2e是本发明的一个实施例二维坐标系中的聚类结果示意图；

图3是本发明的一个实施例机组压力控制的方法的流程示意图之三；

图4是本发明的一个实施例机组压力控制的方法的流程示意图之四；

图5是本发明的一个实施例机组压力控制的方法的流程示意图之五；

图6是本发明的一个实施例机组压力控制的方法的流程示意图之六；

图7是本申请的一个电子设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。本申请中附图编号仅用于区分方案中的各个步骤，不用于限定各个步骤的执行顺序，具体执行顺序以说明书中描述为准。

滑压优化是火电机组目前使用的最有效的节能方法之一。在实际应用中，往往需要人工确定聚类区间的个数，难以实现自动化控制。

为了解决现有技术中存在的问题，本申请实施例提供一种机组压力控制的方法，包括以下步骤：

S11：获取目标机组的训练数据集和样本数据集，所述训练数据集包括与多个预设工况类别分别对应的预设训练数据，每组预设训练数据包括训练负荷参数和与所述训练负荷参数相对应的多个训练压力参数，所述样本数据集包括所述目标机组实际运行时的多组运行样本数据，每组运行样本数据包括运行负荷参数以及与所述运行负荷参数相对应的运行压力参数；

S12：基于所述训练数据集通过邻近算法对所述样本数据集执行聚类，确定每组运行样本数据所属的预设工况类别；

S13：根据属于目标预设工况类别的至少一个运行样本数据确定与所述目标预设工况类别的至少一个运行样本数据相对应的热耗率；

S14：将目标热耗率对应的运行样本数据中的运行压力参数确定为所述目标机组在所述目标预设工况类别下的目标压力参数，所述目标热耗率包括所述目标预设工况类别相对应的至少一个热耗率中符合预设判断标准的热耗率；

S15：当所述目标机组的运行状态与所述目标预设工况类别相对应时，基于所述目标压力参数对所述目标机组进行压力控制。

在上述步骤S11中，工况可以指机组在和其动作有直接关系的条件下的工作状态。例如，机组在燃料消耗率最低时的运行状态可以称为“经济工况”；在负荷超过额定值时的运行状态可以称为“超载工况”。预设工况类别具体可以有多种，多种工况类别可以由工作人员预先设定，也可以由电子设备根据采集到的数据信息自动生成。

其中，获取的训练数据集包括多组预设训练数据，每组预设训练数据对应于一种预设工况类别。较优的，对应于各种预设工况类别的各组预设训练数据中的数据量相同。例如，预设工况类别包括A类别、B类别、C类别和D类别。那么，对应于这四个类别的预设训练数据各包括5个预设训练数据。预设训练数据可以包括训练负荷参数和训练压力参数。在本申请实施例中，以二维特征参数为例进行说明，在实际应用中，可以根据实际应用需求添加更多的参数，以从多个维度表征预设训练数据的特征。

获取的样本数据集包括目标机组实际运行时采集岛的运行样本数据，该运行样本数据可以由目标机组采集上报，也可以由目标机组以外的其他设备采集获取。在实际应用中，还可以获取机组设计资料，以便随后针对于机组的特点根据获取的数据计算热耗率。

在步骤S12中所述的临近算法即k最邻近(K-NearestNeighbor，KNN)分类算法，也可以简称为KNN算法，是一种简单高效的数据分类方法。KNN算法中，首先定义一个类别训练数据集合；再将所有样本点逐个与训练数据进行距离计算；对每个样本点对所有训练数据的距离进行排序，取前K个数据点；计算在K个数据点中，各个类别出现的概率；最后通过判断概率来对样本点进行分类，能够实现简单有效的分类。

本申请实施例提供的方案应用上述KNN算法，基于训练数据集对样本数据集执行聚类，将样本数据集中的各运行样本数据聚类至训练数据集的预设工况类别，以确定每组运行样本数据所属的预设工况类别。

随后，在步骤S13中，根据属于目标预设工况类别的至少一个运行样本数据确定与所述目标预设工况类别的至少一个运行样本数据相对应的热耗率。其中，热耗率可以指每产生1kWh的电能所消耗的热量。现在通常以热耗率作为研究和衡量电厂热经济性的重要指标。

基于上述实施例提供的方案，可选的，所述样本数据集中的每组运行样本数据还包括以下至少一种参数：

温度、主蒸汽流量、主蒸汽焓值、主给水焓值、再热蒸汽管道热段流量、再热蒸汽热端焓值、再热蒸汽冷端焓值、化学补给水流量、化学补给水焓值、过热减温水流量、过热减温水焓值、再热减温水流量、再热减温水焓值、发电机输出功率。

在实际应用中，影响热耗率的因素有多种。例如，发电厂主要设备的性能、设备状态是否完好、机组运行方式、机组运行参数、一些旁通阀、疏水阀是否存在严重泄漏等。

随后，在步骤S14中将目标热耗率对应的运行样本数据中的运行压力参数确定为所述目标机组在所述目标预设工况类别下的目标压力参数，所述目标热耗率包括所述目标预设工况类别相对应的至少一个热耗率中符合预设判断标准的热耗率。

其中，预设判断标准可以根据实际需求预先设定，例如将目标预设工况类别相对应的至少一个热耗率中低于预设热耗率阈值的热耗率判断为符合预设判断标准的热耗率。或者，将目标预设工况类别相对应的至少一个热耗率中最低的热耗率判断为符合预设判断标准的热耗率。在确定了目标热耗率之后，将目标热耗率对应的运行样本数据中的运行压力参数确定为所属工况类别下的目标压力参数。

最后，在步骤S15中，当所述目标机组的运行状态与所述目标预设工况类别相对应时，基于所述目标压力参数对所述目标机组进行压力控制。在本实施例中，目标热耗率是目标预设工况类别中各运行样本数据中符合预设判断标准的热耗率，以目标热耗率对应的目标压力参数控制机组运行，能使机组运行的热耗率符合上述预设判断标准。

当目标热耗率是所述目标预设工况类别相对应的至少一个热耗率中最低的热耗率时，控制机组以目标压力运行能在保证机组以所需工况运行的前提下，降低热耗率，实现节能减排。

通过本申请实施例提供的方案，能通过KNN聚类算法解决实际应用中数据的类别定义问题，提高机组滑压优化自动化水平，降低技术人员的劳动强度，另外，还能有效控制机组运行，根据实际需求实现降低机组热耗率、降低煤耗、节能减排的目的。通过本申请实施例提供的方案，能通过聚类算法确定出机组处于目标工况类别时的目标压力参数，通过控制机组以目标压力参数运行，能在保证机组以目标工况类别运行的前提下，使机组热耗率符合预设判断标准，实现对机组运行热耗率的控制。

基于上述实施例提供的方案，可选的，如图2a所示，上述步骤S12，基于所述训练数据集通过邻近算法对所述样本数据集执行聚类，包括以下步骤：

S21：以负荷参数和压力参数建立二维坐标系；

S22：根据所述训练数据集中各组预设训练数据的训练负荷参数和训练压力参数在所述二维坐标系中生成与所述预设训练数据相对应的多个训练点；

S23：根据所述样本数据集中各组运行样本数据的运行负荷参数和运行压力参数在所属二维坐标系中生成与所述运行样本数据相对应的多个样本点；

S24：基于所述多个训练点通过临近算法对所述多个样本点执行聚类。

在本申请实施例中，以负荷参数为横坐标，以压力参数为纵坐标建立二维坐标系，如图2b所示。随后，将训练数据集中各组预设训练数据以坐标点的形式标记在上述建立的二维坐标系中形成训练点，在本实施例中，预设工况类别有四种，每种预设工况类别中预设有五个预设训练数据，属于同一种预设工况类别的预设训练数据具有相同的训练负荷参数，即在图中横坐标相同，如图2c所示。再将各组运行样本数据以坐标点的形式标记在上述建立的二维坐标系中形成样本点，接着，基于邻近算法对多个样本点执行聚类，以确定各样本点属于哪个预设工况类型，聚类结果如图2e所示。

基于上述实施例提供的方案，可选的，如图3所示，上述步骤S24，基于所述多个训练点通过临近算法对所述多个样本点执行聚类，包括以下步骤：

S31：确定目标样本点在所述二维坐标系中与各个训练点的欧氏距离；

S32：根据欧式距离符合预设距离标准的训练点确定所述目标样本点对应的运行样本数据所属的预设工况类别。

以图2c～图2d示出的样本点与训练点为例，确定每个样本点在上述二维坐标系中与每个训练点的欧氏距离。其中，欧氏距离也可以称为欧几里得距离或欧几里得度量，是指欧几里得空间中两点间“普通”(即直线)距离。使用这个距离，欧氏空间成为度量空间。相关联的范数称为欧几里得范数。

确定的欧式距离可以表征目标样本点与各个训练点的距离，当欧氏距离数值小时表明目标样本点与训练点相接近，欧式距离数值较大时表明目标样本点与训练点区别较大。因此，通过本实施例提供的方案，可以将目标样本点欧式距离最近的训练点所属的预设工况类型确定为该目标样本点所属的预设工况类别。

本申请实施例中所述的预设距离标准可以根据实际需求预先设定。例如，与目标样本点的欧氏距离最短的训练点为符合上述预设距离标准的训练点。

基于上述实施例提供的方案，可选的，如图4所示，上述步骤S32，根据欧式距离符合预设距离标准的训练点确定所述目标样本点对应的运行样本数据所属的预设工况类别，包括以下步骤：

S41：根据目标样本点与各个训练点的欧氏距离对各个训练点排序；

S42：根据排序结果将预设数量个训练点确定为符合预设距离标准的训练点；

S43：确定各个符合预设距离标准的训练点对应的预设工况类别；

S44：根据所述各个符合预设距离标准的训练点对应的预设工况类别确定所述目标样本点对应的运行样本数据所属的预设工况类别。

在本实施例中，首先根据欧式距离对各训练点进行排序，将距离目标样本点低于预设距离的训练点或者排名前预设数量个训练点筛选出来，根据筛选出的训练点所属的预设工况类别的概率来确定目标样本点所属的预设工况类别。举例而言，假设距离目标样本点低于预设距离的训练点共有5个，其中有4个对应的预设工况类别为M，有1个对应的预设工况类别为N，那么该目标样本点所属的预设工况类别确定为M。

基于上述实施例提供的方案，可选的，如图5所示，上述步骤S44，根据所述各个符合预设距离标准的训练点对应的预设工况类别确定所述目标样本点对应的运行样本数据所属的预设工况类别，包括以下步骤：

S51：当符合预设距离标准的训练点对应的预设工况类别的数量为多个时，根据所述符合预设距离标准的训练点对应的预设工况类别确定所述目标样本点的运行样本数据属于各个预设工况类别的概率；

S52：根据所述目标样本点的运行样本数据属于各个预设工况类别的概率确定所述目标样本点所属的预设工况类别。

例如，符合预设距离标准的训练点对应的预设工况类别包括X、Y和Z，那么，首先根据所述符合预设距离标准的训练点对应的预设工况类别确定所述目标样本点的运行样本数据属于各个预设工况类别的概率。在本实施例中，假设工况类别为X的训练点数量为2个，工况类别为Y的训练点数量为1个，工况类别为Z的训练点数量为5个，那么，目标样本点的工况类别为X的概率为2/8＝25％，目标样本点的工况类别为Y的概率为1/8＝12.5％，目标样本点的工况类别为Z的概率为62.5％。

随后，根据上述概率可以判断出目标样本点的工况类别为Z的可能性最大，因此，可以将目标样本点所属的预设工况类别确定为Z。

通过本申请实施例提供的方案，可以基于KNN算法高效对样本点进行聚类，以确定出目标样本点所属的预设工况类别。进而根据预设工况类别中的各样本点的热耗率进行对比，选出符合预设判断标准的热耗率。从而在机组以目标工况类别运行时，将机组运行压力控制为目标压力参数，以使机组的热耗率符合预设判断标准，有效控制机组热耗率，实现节能减排的效果。

基于上述实施例提供的方案，可选的，如图6所示，在将目标热耗率对应的运行样本数据中的运行压力参数确定为所述目标机组在所述目标预设工况类别下的目标压力参数之后，本方案还包括以下步骤：

S61：通过最小二乘法对每个预设工况类别下的目标压力参数执行回归处理，确定目标滑压曲线；

其中，上述步骤S14，当所述目标机组的运行状态与所述目标预设工况类别相对应时，基于所述目标压力参数对所述目标机组进行压力控制，包括：

S62：当所述目标机组的运行状态与所述目标预设工况类别相对应时，根据所述目标滑压曲线控制所述目标机组在目标预设工况下以目标压力参数运行。

在确定了各预设工况类别下的目标压力参数之后，本实施例提供的方案通过最小二乘法对各目标压力参数执行回归处理，得到目标滑压曲线。该目标滑压曲线表征机组处于各工况类别运行时对应的目标压力参数。该滑压曲线可植入DCS系统中，以根据机组运行所处的工况类别自动调整压力参数，使机组以目标压力参数运行，保证机组运行过程中的热耗率满足预设判断标准，实现节能减排的效果。

通过本申请实施例提供的方案，能确定机组处于目标工况类别时的目标压力参数，通过控制机组运行压力参数的方式控制机组的热耗率，具有可靠性高、控制稳定的优点。而且，自动化水平高，有效降低人力成本，能有效实现节能减排，提高经济利润。同时，还能有效保证机组滑压优化过程中的安全性。

为了解决现有技术中存在的问题，本申请实施例还提供一种电子设备70，如图7所示，包括：

获取模块71，获取目标机组的训练数据集和样本数据集，所述训练数据集包括与多个预设工况类别分别对应的预设训练数据，每组预设训练数据包括训练负荷参数和与所述训练负荷参数相对应的多个训练压力参数，所述样本数据集包括所述目标机组实际运行时的多组运行样本数据，每组运行样本数据包括运行负荷参数以及与所述运行负荷参数相对应的运行压力参数；

聚类模块72，基于所述训练数据集通过邻近算法对所述样本数据集执行聚类，确定每组运行样本数据所属的预设工况类别；

第一确定模块73，根据属于目标预设工况类别的至少一个运行样本数据确定与所述目标预设工况类别的至少一个运行样本数据相对应的热耗率；

第二确定模块74，将目标热耗率对应的运行样本数据中的运行压力参数确定为所述目标机组在所述目标预设工况类别下的目标压力参数，所述目标热耗率包括所述目标预设工况类别相对应的至少一个热耗率中符合预设判断标准的热耗率；

控制模块75，当所述目标机组的运行状态与所述目标预设工况类别相对应时，基于所述目标压力参数对所述目标机组进行压力控制。

基于上述实施例提供的电子设备，可选的，所述样本数据集中的每组运行样本数据还包括以下至少一种参数：

温度、主蒸汽流量、主蒸汽焓值、主给水焓值、再热蒸汽管道热段流量、再热蒸汽热端焓值、再热蒸汽冷端焓值、化学补给水流量、化学补给水焓值、过热减温水流量、过热减温水焓值、再热减温水流量、再热减温水焓值、发电机输出功率。

基于上述实施例提供的电子设备，可选的，所述聚类模块72，用于：

以负荷参数和压力参数建立二维坐标系；

根据所述训练数据集中各组预设训练数据的训练负荷参数和训练压力参数在所述二维坐标系中生成与所述预设训练数据相对应的多个训练点；

根据所述样本数据集中各组运行样本数据的运行负荷参数和运行压力参数在所属二维坐标系中生成与所述运行样本数据相对应的多个样本点；

基于所述多个训练点通过临近算法对所述多个样本点执行聚类。

基于上述实施例提供的电子设备，可选的，所述聚类模块72，用于：

确定目标样本点在所述二维坐标系中与各个训练点的欧氏距离；

根据欧式距离符合预设距离标准的训练点确定所述目标样本点对应的运行样本数据所属的预设工况类别。

基于上述实施例提供的电子设备，可选的，所述聚类模块72，用于：

根据目标样本点与各个训练点的欧氏距离对各个训练点排序；

根据排序结果将预设数量个训练点确定为符合预设距离标准的训练点；

确定各个符合预设距离标准的训练点对应的预设工况类别；

根据所述各个符合预设距离标准的训练点对应的预设工况类别确定所述目标样本点对应的运行样本数据所属的预设工况类别。

基于上述实施例提供的电子设备，可选的，所述聚类模块72，用于：

当符合预设距离标准的训练点对应的预设工况类别的数量为多个时，根据所述符合预设距离标准的训练点对应的预设工况类别确定所述目标样本点的运行样本数据属于各个预设工况类别的概率；

根据所述目标样本点的运行样本数据属于各个预设工况类别的概率确定所述目标样本点所属的预设工况类别。

基于上述实施例提供的电子设备，可选的，所述控制模块75用于：

通过最小二乘法对每个预设工况类别下的目标压力参数执行回归处理，确定目标滑压曲线；

当所述目标机组的运行状态与所述目标预设工况类别相对应时，根据所述目标滑压曲线控制所述目标机组在目标预设工况下以目标压力参数运行。

通过本申请实施例提供的电子设备，获取目标机组的训练数据集和样本数据集，所述训练数据集包括与多个预设工况类别分别对应的预设训练数据，每组预设训练数据包括训练负荷参数和与所述训练负荷参数相对应的多个训练压力参数，所述样本数据集包括所述目标机组实际运行时的多组运行样本数据，每组运行样本数据包括运行负荷参数以及与所述运行负荷参数相对应的运行压力参数；基于所述训练数据集通过邻近算法对所述样本数据集执行聚类，确定每组运行样本数据所属的预设工况类别；根据属于目标预设工况类别的至少一个运行样本数据确定与所述目标预设工况类别的至少一个运行样本数据相对应的热耗率；将目标热耗率对应的运行样本数据中的运行压力参数确定为所述目标机组在所述目标预设工况类别下的目标压力参数，所述目标热耗率包括所述目标预设工况类别相对应的至少一个热耗率中符合预设判断标准的热耗率；当所述目标机组的运行状态与所述目标预设工况类别相对应时，基于所述目标压力参数对所述目标机组进行压力控制。通过本申请实施例提供的方案，能通过聚类算法确定出机组处于目标工况类别时的目标压力参数，通过控制机组以目标压力参数运行，能在保证机组以目标工况类别运行的前提下，使机组热耗率符合预设判断标准，实现对机组运行热耗率的控制。

可选的，本发明实施例还提供一种电子设备，包括处理器，存储器，存储在存储器上并可在所述处理器上运行的计算机程序，该计算机程序被处理器执行时实现上述一种机组压力控制的方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述一种机组压力控制的方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random AccessMemory，简称RAM)、磁碟或者光盘等。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。