• 供電：電壓閃變報警，停井、停電報警，電壓不平衡報警、缺相報警等；
• 電機：負載過重、三相電流不平衡、定子故障、轉子故障等報警；
• 地面設備：減速箱斷齒、皮帶斷、皮帶打滑、超平衡、欠平衡等報警；

• 井下工況：斷桿、油管漏、泵漏、供液不足、氣影響、卡泵、碰泵、結蠟等報警。

利用人工智能算法對實時電能信號進行深度學習，對油井產量、井下動液面、示功圖進行準確預測。可實現產量預測與實際偏差小于10%，90%以上井的動液面預測可以控制在150m以內，示功圖符合度超95%。

根據油井產能指標的預測和能效監測，采用“產能最大、成本最低”的智能優化模型，實時柔性控制油井最優化生產。主要優化控制策略包括：

• 功率隨動：根據抽油機負載變化，監測和適時優化調整電機轉速，實現電機輸出轉矩按需分配，消除電機發電狀態，有效降低電機功率損耗；根據產量、動液面預測，對低泵效井在保持原沖次的前提下，延長下行時間、縮短上行時間，優化井下抽汲過程，提高泵充滿程度，降低桿管柱和地面傳動系統負載和能源損耗。

• 智能間抽：自動測算液面恢復曲線，智能計算停開井時間，確保產量不降低的情況下用電量最小。

• 分時調頻：基于“日度總沖數不變”的分時調頻算法，實現連續生產油井“峰慢谷快”、間開油井“峰停谷啟”的柔性舉升。

縮短突發故障的發現時間和檢泵作業次數，減少停井維修維護帶來的產量損失；同時可在地層供液能力下降、泵未充滿的初期，通過柔性控制沖次，縮短抽油機提升時間，延遲下降泵吸入時間，從而確保能耗降低、產量不降。

功率隨動：在穩產的前提下可實現節電10%以上；