本發(fā)明涉及一種潛油電泵的自尋優(yōu)決策控制系統(tǒng)，至少包括采集模塊和控制模塊，所述控制模塊基于所述采集模塊采集的環(huán)境信息通過強(qiáng)化學(xué)習(xí)算法生成潛油電泵執(zhí)行的優(yōu)化決策以實(shí)現(xiàn)自尋優(yōu)，所述控制模塊配置為在基于狀態(tài)空間對(duì)每個(gè)單井在一個(gè)檢泵周期內(nèi)的啟停次數(shù)、開井時(shí)間和關(guān)井時(shí)間進(jìn)行劃分的基礎(chǔ)上以融合在線學(xué)習(xí)和離線學(xué)習(xí)的方式構(gòu)建強(qiáng)化學(xué)習(xí)算法中的損失函數(shù)。通過該設(shè)置方式，本發(fā)明基于啟停次數(shù)、開井時(shí)間和關(guān)井時(shí)間等將控制模塊對(duì)于執(zhí)行模塊的優(yōu)化控制分為不同階段，根據(jù)不同的階段基于融合在線學(xué)習(xí)和離線學(xué)習(xí)的方式構(gòu)建學(xué)習(xí)更新中的損失函數(shù)。