电潜泵是油田中应用较多的采油设备之一。实际上，电潜泵就是一个工作于井下的多级离心泵，同油管一起放入井下，地面电源通过变压器、控制屏和电潜泵专用电缆将电能输送给井下电潜泵电动机，使电动机带动多级离心泵旋转，将电能转化为机械能，将油井中的液体升到地面。电潜泵应用主要存在两个问题，（1）节能，（2）控制好电潜泵，使之工作于最佳状况。由于电潜泵是在地面2Km以下的井底工作，工作环境非常恶劣(高温，强温度等)，一般采用传统的供电方式，即在工频全压下工作，因而故障频繁，运行成本高。一方面电潜泵在工频启动时，启动电流大，电动机电缆的压降大，使电动机电缆在启动过程中的反向电压较高，电缆绝缘性能降低，每次开机都会影响电潜泵使用寿命。电潜泵的修理仅工程费一项就达5万元之多，价值10万元的电缆平均提上放下5次就须更换，电潜泵平均每10个月就维修1次，维修费用须8万元，使运行成本增高。另一方面电潜泵在正常工作下，普遍存在着电动机负载率较教低的情况，“大马拉小车”现象严重，造成电能的巨大浪费。此外，电潜泵的功率因数降低，耗电量大，工频工作时，电潜泵始终工作在额定转速下，如果井下液量供不应求，容易造成“死井”，一旦死井则损失惨重。正确的解决方法是电潜泵应能够根据地质的情况变化调节抽油量，使供求平衡。但传统的调节方式是靠更换油嘴来调节产量，既造成能量的浪费又不能精确的控制。有时使得电动机与泵长期在高压状态下运行；有时使得油井出沙严重，使设备寿命缩短，因此对油田电潜泵系统控制的相关技术问题作简要讨论是必要的。本文主要对被控对象特性，控制策略选取，控制算法及变频调速技术应用等方面作些讨论。
采油是把油田作为特殊被控对象加以控制的，首先必须了解油田开采过程中表现出的某些特性。其中最主要的是时变性，由于地质情况的复杂多变，概括起来有以下一些特点。就电潜泵系统而言，从宏观角度考虑，被控对象特性主要表现在以下几个方面：a.系统参数的未知性、时变性、随机性和分散性；b.系统滞后的未知性和时变性；c.系统严重的非线性；d.系统各变量间的关联性；e.环境干扰的未知性、多样性和随机性。这些特性给系统建摸与控制带来了许多问题。
面对上述特性，因其属于不确定性的复杂对象(或过程)的控制问题，传统控制是无能为力的，主要表现在：(1)传统控制(如PID)是基于数学模型的控制，即认为控制、对象及干扰的模型是已知的或者是通过辩识可以得到的。但油田系统中的很多控制问题具有不确定性，甚至常常会发生突变。对于“未知”、不确定、或者知之甚少的控制问题，用传统方法难以建模，因而也无法实现有效的控制；(2)传统控制理论中，对于具有高度非线性的控制对象，虽然也有一些非线性方法可资利用，但从总体上看，非线性理论远不如线性理论成熟，因方法过分复杂而难以应用。在油田系统中有大量的非线性问题存在；(3)传统控制理论主要采用微分方程、状态方程以及各种数学变换作为研究工具，其本质是一种数值计算方法，属定量控制范畴，要求控制问题的结构化程度高，易于用定量数学方法进行描述或建模。而油田系统中最关注和需要支持的，有时恰恰是半结构化与非结构化问题；(4)按系统工程的观点，广义的对象应包括通常意义下的操作对象和所处的环境。而油田系统中各子系统间关系错综复杂，各要素的高度耦合，互相制约，外部环境又极其复杂，有时甚至变化莫测。传统控制缺乏有效的解决方法；(5)常规的基于数学模型的控制问题倾向于是一个相互依赖的整体，尽管基于这种方法的系统经常存在鲁棒性与灵敏度之间的矛盾，但对简单系统的控制的可靠性问题并不突出。而对油田系统，如果采用上述方法，则可能由于条件的改变使整个控制系统崩溃。由此可见，用传统的方法不能对油田系统进行有效的控制，必须探索更有效的控制策略与方法。
油田系统的特点是经典数学不曾考虑的。尽管概率论是讨论不确定性的，但它有自己的基本假定。这些基本假定限制了它在专家系统中的应用，当然也限制了在其它领域的应用。它只能处理含有随机性，没有不知也没有模糊的问题。实际上，目前人们发现的四种不确定性信息，除随机信息、模糊信息外，还有灰色信息和未确知信息。这四种不确定信息往往在一个油田系统中交叉呈现或同时呈现。它们同时在影响着人们对系统特性和功能的认识，影响着人们对油田系统的研究、管理和控制。而且，不论从概念的内涵，还是从公理体系以及集合论角度分析，这四种不确定性信息又有着必然的联系。因此，建立描述油田系统的基础控制模型，并在控制系统中实现对油田信息的综合处理，是一个难度很大而又急待研究解决的问题。控制是需要建立模型的，但控制模型不等同于用严格数学表达式描述的数学模型。建立模型的实质是对事物本质特性进行描述，描述可以用严格的数学方式描述，称为数学模型；也可以用语言描述，称为语言模型；还有框架模型、逻辑模型等等，要根据对象的复杂程度决定究竟选取那种描述方式更能反映对象的本质特性。在复杂的油田系统中，往往采用定性与定量相结合的方法建模。这类模型有以下特性：(1)系统信息的整体性，已知信息与未知信息共居一体，各种不确定性信息共居一体；确定性信息与不确定性信息共居一体。它们相互联系、相互影响、相互制约，并在一定条件下相互转化，但总数量不会改变。(2)系统发展的动态性，和普通事物一样，不确定性系统及其因素都是时间的函数。它们都随着时间的推移变化、发展、衰变、转化。(3)系统信息的可观测性，人类认识事物的过程既是对信息的获取过程，是人类通过使用在实践中形成的客观标准、尺度(可统称为标度)对系统中各因素进行测量的过程。因为不确定性信息的产生是物质运动的必然结果，必然有规律可循，可以观测，可以认识。(4)系统信息的层次性，系统可以分为不同层次。在宏观上认为是不确定的信息，在微观层次上又可分离出相对确定性信息。随着层次的深化，使人们对系统的认识更深刻，(5)系统信息的灰色性，不确定性信息是可观测的，可以随着层次的深化而提高可观测度。但“不确定信息是不可避免的”。因此，不确定性信息又是不可全知的，只能是部分已知、部分未知的，尽管可以随着测量的层次深化缩小未知部分；而且在已知的信息中还有信息的遗失。这种部分已知(白)、部分未知(黑)的相兼性称为灰色性。
20世纪50年代发展起来的近代控制理论，无论是状态空间法，还是基于I/O描述的黑箱法，精确的数学描述是它分析与设计系统的基础。如果对象(或过程)的数学模型不知道，那么首先必须数学建模，但无论是最优控制还是自适应控制，讨论问题的前提都是要求精确的数学模型，而对油田复杂系统显然不具备上述条件，对作者讨论的控制系统而言，不应列为选取的控制策略。(1)起源于20世纪40年代，它从某些方面反映了人脑的基本特征，但并不是人脑的真实描写，而只是它的抽象、简化和模拟，网络的信息处理由神经元间的相互作用来实现。神经网络控制的关键是选择一个合适的神经网络模型，并对其进行训练与学习，直至达到符合要求为止，即寻找最优的神经网络结构与权值。然而，神经网络的学习，需要一定的实验样本，同时，还需要运行成千上万次才能获得最佳结构。有时获得的是一个局部最优解，而不是全局最优解，因方法的局限性，同样，也难于对本文所讨论的油田对象实现有效的控制；（2）它是以知识为基础，在某一专门领域企图模拟人们思想行为的一组计算机程序，能够处理各种定性的、定量的、精确的、模糊的信息，因此可根据对被控过程的经验和知识获取情况，采取不同的描述形式，以便更多地反映对象特性，为控制提供控制策略和控制模态。被控过程的动态信息经过对特征信息进行抽取与处理及模式识别后，一方面送到推理机构，另一方面为知识库补充有用的信息。推理机构根据特征信息和知识库提供的知识进行判断、推理，并将结果送到控制机构，从而给出合适的控制输出，对被控过程实施控制。但由于特征信息的采集、特征信息的表达、以及完备知识库的建立实现难度大，所以，专家系统也不一定是一个好的选择。实际工程中，一个非常熟练的操作人员，能凭借自己丰富的实践经验，通过对现场的各种现象的判断取得较满意的控制效果。如果将凭经验所采取的措施转变成相应的控制规则，并且研制一个控制器来代替这些规则，从而也可实现对复杂工业过程的控制。实践证明，以模糊控制理论为基础的模糊控制器(FC)能够完成这个任务。人的控制经验是用人的语言来进行总结和描述的。而语言是思维的外壳，它具有很大的模糊性。例如，当要保持一个水塔中的水位时，可以通过调节水泵阀门开度将水位稳定在固定点。按照人的经验可有下列控制规则：若水位高于固定点，则排水，若差值越大，则排水阀门开大，排水越快，若差值越小，则排水阀门开小，排水越慢；若水位低于固定点，则给水，若差值越大，则给水阀门开大，给水越快，若差值越小，则给水阀门开小，给水越慢.。在上述描述操作经验的语言中，“高于”、“低于”、“开大”、“开小”等这些词都带有一定的模糊性，因此必须用模糊数学中的模糊集合来刻画这些模糊语言，并用IFconditionTHENaction语句予以实现。其核心是对复杂的系统或过程建立一种语言分析的数学模式，使人们日常生活中的自然语言能直接转化为计算机所能接受的算法语言。它为处理客观世界中已存在的模糊性问题，提供了有力的工具。模糊控制技术的应用在国内已取得明显效果，尽管还处于不断完善和发展的阶段，但其控制品质和效果还是令人满意的，对油田系统是一种可供选择的策略。
由于被控对象的复杂性和不确定性，按传统的方法不可能建立油田系统的严格数学模型，可以采用基于知识表示的非数学的广义控制模型，事实上，人们对对象不是一无所知，而是不全知，即所具有的对象信息是灰色信息。在实际工程中，依靠控制专家的知识和经验，也可以对系统进行有效的控制，获得满意的结果。它是基于人的智能、控制者的经验和技巧，完成预定的控制任务。因此它是人机结合的控制模型，即控制者(人)的模型和被控对象(机)相结合的模型，如控制者的知识模型和被控对象的机理模型相结合的广义控制模型。
基本思路是模仿过程控制系统中富有经验的操作者的普遍行为，如当系统的误差趋于增加时，发出强烈的作用(闭环控制)；当系统误差趋于减小时，则取消控制动作，等待观察等等。人对被控系统的状态、动态特征及行为了解的越多，控制的效果就会越好。如果en表示离散化的当前采样时刻误差值，en-1和en-2分别表示前一个和前二个采样时刻的误差值，则有
Δen=en-en-1
Δen-1=en-1-en-2
从误差e和误差变化Δe这两个基本的特征变化，便可从动态过程中获取更多的特征信息。(1)eΔe误差e同误差变化Δe之积构成了一个新的描述系统动态过程的特征变量，利用该特征变量的取值是否大于零，可以描述系统动态过程变化的趋势。当enΔen0时，表明系统的动态过程正向着误差增大的方向变化，即误差的绝对值逐渐增大。在控制过程中，识别enΔen的符号，便可掌握系统动态过程的行为特征，以便更好地制定下一步控制策略。(2)ΔenΔen-1相邻两次误差变化之积ΔenΔen-1构成了一个表征误差出现极值状态的特征量，若ΔenΔen-10表征无极值。(3)│Δe/e│误差变化Δe与误差e之比的绝对值的大小，描述了系统动态过程中误差变化的姿态。将│Δe/e│与eΔe联合使用，可对动态过程作进一步的划分，通过这种划分，可以捕捉到动态过程的不同姿态。(4)Δ(Δe)误差变化的变化率，即二次差分，描述动态过程处于趋于超调或回调段位；当Δ(Δe)>0，处于超调段：Δ(Δe)