简介： 本发明涉及一种潜油电泵的自寻优决策控制系统，至少包括采集模块和控制模块，所述控制模块基于所述采集模块采集的环境信息通过强化学习算法生成潜油电泵执行的优化决策以实现自寻优，所述控制模块配置为在基于状态空间对每个单井在一个检泵周期内的启停次数、开井时间和关井时间进行划分的基础上以融合在线学习和离线学习的方式构建强化学习算法中的损失函数。通过该设置方式，本发明基于启停次数、开井时间和关井时间等将控制模块对于执行模块的优化控制分为不同阶段，根据不同的阶段基于融合在线学习和离线学习的方式构建学习更新中的损失函数。