6月底，现河采油厂现河庄陈官采油管理区生产指挥中心，一条预警信息引起值班人员注意：河68注采站河100-X22井可能出现油井结蜡情况。由于及时提醒，问题很快得到解决，为生产又一次避免了因结蜡造成的躺井。

　　之所以能够如此快速高效的解决隐患，离不开油田正在推广使用的油水井预警模型。

　　油田生产信息化建设之初，主要侧重于采集生产数据和现场监控。“实时采集的油水井生产数据，如果只是用来监控报警，将难以发挥出应有的价值。”油田信息工程高级专家段鸿杰说。

　　如何把大数据真正运用到生产，发挥出连续追踪、趋势预警作用，解决传统模式下难以实现的预警式管理问题?意识到这一问题后，油田于2016年起，随着生产信息化建设的逐步推广，同步开展了大数据应用的研究与探索。

　　在信息化建设配套完善的基础上，技术人员围绕油水井、地面设备、地面管网以及井组油藏动态等不同方面，锁定原油生产中普遍存在的问题，然后把海量的、多维的数据进行关联、整合，通过连续变化的趋势捕捉规律，再把这些规律变成预警条件设置到系统中，将专家知识、技术方法沉淀为不同的预警模型。

　　预警模型就是利用大数据预警计算引擎，对油水井、站库发生或将要发生的异常情况进行预警，便于问题隐患提早发现、问题故障提前预防，确保高生产效率和高运行质量。

　　在开发大数据的同时，油田也给各单位搭建了人机交互的模型创建平台，通过竞赛的方式鼓励基层单位创建 适合自身实际的预警模型应用到生产中。

　　现河采油厂属于较早使用大数据预警模型的油田单位之一，多年来现河庄陈官采油管理区先后创建21项预警模型，涵盖机采井、电泵井、注水井、自动化仪表等方面常见的故障类型。

　　问题早发现早处理，给这个管理区带来最直接的效益，就是减少故障延长设备寿命、提高油井生产时率、降低维修成本。今年前六个月躺井率同比下降0.56个百分点，维护作业井次从69口下降至60口，维护作业成本和单井维护作业成本都大幅下降。同样因为油井预警模型而受益的，还有滨南采油厂采油管理三区，六月份检泵周期同比延长69天，躺井率同比下降1.6个百分点。

　　为了让大数据应用到更多现场，油田通过竞赛沉淀筛选出具有普遍性的模型，再集各家所长固化成水平更高、技术更加成熟的预警模型。今年5月底，油田首批发布了3项油井预警模型，为解决抽油杆疲劳断裂、井筒结蜡以及地面管线泄漏带来的环境污染等问题提供了智能“医生”。

　　据了解，今年油田还将陆续发布其他成熟模型，推广到更多的生产现场使用，让大数据真正成为支撑油田高效生产的技术保障。