Las curvas de potencia del motor (MPCs) han recibido gran atención para su uso en el diagnóstico de las condiciones de trabajo de los sistemas de bombeo de varillas de succión (SRPSs) debido a sus ventajas en accesibilidad y rendimiento en tiempo real. Sin embargo, los enfoques basados en MPC existentes generalmente necesitan una suposición rigurosa de que las instancias de MPC de diferentes condiciones de trabajo son suficientes, lo cual no se cumple en escenarios industriales. Con este fin, este documento propone una metodología de diagnóstico de fallas no supervisada para aprovechar las tarjetas de dinamómetro (DCs) fácilmente disponibles para diagnosticar las MPCs recopiladas no etiquetadas. En primer lugar, se presenta un modelo matemático del SRPS para convertir los DCs reales en MPCs. En segundo lugar, se propone una metodología de diagnóstico novedosa basada en la adaptación de dominio adversaria para el problema de discrepancia en la distribución de datos entre las MPCs recopiladas y convertidas. Específicamente, las MPCs recopiladas no etiquetadas pueden cubrir solo un subconjunto de las condiciones de trabajo de los abundantes DCs, lo que fácilmente puede causar una transferencia negativa y llevar a una degradación dramática del rendimiento. Esta metodología propuesta emplea estrategias de ponderación a nivel de clase y de distribución para guiar a la red a centrarse en las instancias de las categorías compartidas y a disminuir el peso de las atípicas. Se realizan experimentos de validación para evaluar el modelo matemático y la metodología de diagnóstico con un conjunto de MPCs reales recopiladas por un dispositivo auto-desarrollado. El resultado experimental indica que la precisión del algoritmo propuesto puede alcanzar en el diagnóstico de MPCs reales cuando solo se utilizan DCs etiquetados y MPCs reales no etiquetadas.