在目前常用的石油开采方式中,由于游梁式抽油机具有结构简单、操作灵活、适用性强、耐久性好、安全可靠等特点,是油田中使用最广泛的抽油机类型之一。油井一般在地下几百米深甚至数千米深的地方工作,工作环境复杂,当油井出现故障时,如若不能及时准确的确定故障类型,轻则停机休检,重则出现安全事故,影响油田正常安全高效的生产。油井示功图既直观又包含油井生产很多信息,所以本文以示功图为依据进行油井的工况识别。针对油田现阶段基于示功图的工况识别方法中存在的不同工况之间示功图样本数量不平衡、示功图特征值提取不准确、分类方法分类效果不好的问题,本文首先采用ADASYN过采样方法对示功图数据进行数据增强,平衡不同类别间示功图数量。其次,选取深度信念网络算法建立深度信念网络工况识别模型,通过深度信念网络结构自动提取示功图特征值,并对其分类,达到工况识别的目的。最后通过麻雀搜索算法优化深度信念网络的结构参数,使深度信念网络工况识别模型结构达到最优。通过仿真实验对辽河油田油井工况进行诊断,与基于传统智能算法的工况识别方法进行了对比,实验结果表明基于麻雀搜索算法的深度信念网络模型提高了油井工况识别的准确率。