本发明公开了一种基于数据挖掘的火电机组滑压曲线优化方法，具体为对原始数据使用SG滤波方法进行去噪处理；接着利用AGC指令数据或者使用稳态滑窗方法对去噪处理后的数据进行提取获得稳态数据；然后反复使用KMEANS和DBSCAN结合的方法对稳态数据进行了工况划分；接着对工况划分的稳态数据进行离散化处理，并对离散化处理后的数据使用Apriori关联规则算法对数据进行关联，建立了最优汽机热耗率和最优主蒸汽压力的关联规则；最后根据支持度和置信度，筛选规则，得到最优的主蒸汽压力区间，确定最优滑压曲线，通过数据分析，该方法挖掘出的最优滑压运行曲线的热耗率比实际挖掘的热耗率曲线要低；可以很好满足实际的运行特性，又可以降低机组的运行能耗。