一种基于PSO算法的页岩气水平井DTS监测反演解释方法

本发明涉及一种基于pso(particle swarm optimization,pso)算法的页岩气水平井dts(distributed temperature sensing，dts)监测反演解释方法，属于油气藏开发。

背景技术：

1、目前，页岩气作为一种清洁的非常规天然气资源，已成为国内天然气资源勘探开发的焦点，为了提高页岩气井产能，目前主要采用了水平井与分段体积压裂增产措施相结合的方式对页岩气藏进行开发，所以对储层的有效改造直接决定了页岩气水平井产能。然而页岩气水平井压裂投产后普遍面临产出剖面未知、裂缝贡献不清、有效裂缝参数不明等问题，使得压裂改造的精准性、有效性和合理性难以得到保证，极大地影响了页岩气藏的开发效益，如何定量评价页岩气水平井产出剖面、每一条有效人工裂缝的产量贡献及特征参数就成为了解决上述技术难题的关键。

2、虽然很难直接测出压裂水平井的产出剖面和各级裂缝流量，但是要测出压裂水平井的温度剖面相对容易得多。随着温度测试技术尤其是分布式光纤测温(dts)技术在石油领域的不断发展应用，使得水平井温度剖面测试技术已较为成熟，采用dts等技术已经可以实现全水平井段的温度剖面实时监测，提供准确且连续的压裂水平井温度剖面数据。

3、目前国内外学者在分布式光纤监测解释方面的研究多是针对常规水平井开展，而针对页岩气水平井dts数据反演解释方面的研究较少，目前国内外对于水平井温度剖面数据反演解释主要是基于l-m(levenberg-marquart)和mcmc(markov chain monte carlo)这两种算法来实现的。页岩气水平井温度剖面受人工裂缝特征参数、改造区缝网渗透率分布等诸多因素的交互影响，而页岩气水平井人工裂缝参数(人工主裂缝长度、导流能力等)、缝网渗透率分布等通常又都是未知的，所以，通过dts大数据来反演解释页岩气水平井产出剖面时，就存在多个(m个)待反演的未知参量，且每一个待反演的未知参量又是高维度的(维度n＝有效人工裂缝数量)，所以在页岩气水平井dts数据反演时，本质上待反演解释的井下未知参量是一个m×n维的矩阵变量，常规的l-m和mcmc算法最多只能实现基于dts大数据的一维向量的自适应反演，无法用于解决基于dts数据实现页岩气水平井m×n维未知参量自适应反演这一关键科学问题，正因如此，页岩气水平井产出剖面和人工裂缝参数定量解释仍是行业内的一项技术难题。

4、鉴于此，针对页岩气水平井dts数据反演问题，基于粒子群人工智能算法(pso)建立页岩气水平井dts数据反演模型，实现基于dts数据的页岩气水平井m×n维未知参量的自适应反演，从而实现页岩气水平井产出剖面、有效人工裂缝半长、导流能力以及改造区缝网渗透率分布的定量解释，以期为页岩气水平井精准压裂的实现和生产优化提供最直接的依据，为页岩气水平井压裂改造效果定量评价提供一种新的技术手段，从而促进我国页岩气藏高效经济开发。

技术实现思路

1、本发明主要是克服现有技术中的不足之处，提出一种基于pso算法的页岩气水平井dts监测反演解释方法，为实现低渗气藏压裂水平井压裂改造效果定量评价提供一种新的技术手段。

2、本发明解决上述技术问题所提供的技术方案是：一种基于pso算法的页岩气水平井dts监测反演解释方法，包括以下步骤：

3、s1、根据目标页岩气水平井的实测dts数据，设置pso算法参数：种群p、规模i、学习因子c1和c2、最大迭代次数t*，并将拟合评价目标函数作为适应度函数；

4、s2、随机初始化种群p中i个粒子的位置和速度，将每个粒子的位置设为待反演目标参数的值(m×n维矩阵)，将每个粒子的速度设为待反演目标参数的更新量(m×n维矩阵)，将每个粒子的位置代入温度正演预测模型，并通过适应度函数计算每个粒子的适应度值，确定每个粒子的个体极值和种群p的全局极值gbestt；

5、s3、通过粒子速度更新公式和粒子位置更新公式更新每个粒子的速度和位置，得到每个粒子新的速度和位置再将每个粒子的位置代入温度正演预测模型，通过适应度函数再次计算每个粒子的适应度值，确定新一代的粒子个体极值和新一代的种群p的全局极值gbestt+1；

6、s4、将s3得到的个体极值和全局极值gbestt+1与步骤s2得到的个体极值和全局极值gbestt进行比较，更优者保留，劣者淘汰，完成个体极值和全局极值的更新；

7、s5、重复步骤s2～s4，直到满足算法的终止条件之一，输出页岩气水平井m×n维待反演目标参数的反演解；

8、s6、将获得的m×n维待反演目标参数的反演解输入温度正演预测模型，计算出目标页岩气水平井每一簇裂缝的产量贡献和水平井产出剖面。

9、进一步的技术方案是，所述的拟合评价目标函数：

10、

11、式中，[xinver]m×n为待反演的目标参数(m×n维矩阵)；为实测的dts温度剖面数据(1×n维向量)；为将[xinver]m×n输入温度预测模型后，反演模拟的温度剖面值(1×n维向量)。

12、进一步的技术方案是，所述温度正演预测模型包括储层渗流模型、储层热学模型、裂缝渗流模型、裂缝热学模型、井筒流动模型、井筒温度模型。

13、进一步的技术方案是，所述步骤s2中的每个粒子的个体极值和种群p的全局极值gbestt如下：

14、

15、

16、式中，为第i个粒子在第t次迭代中找到的第(j,k)维度的个体极值；为整个种群在第t次迭代中找到的第(j,k)维度的最优解；i＝1,2,3…i；j＝1,2,3…m；k＝1,2,3…n；t＝1,2,3…t*。

17、进一步的技术方案是，所述步骤s3中的粒子速度更新公式和粒子位置更新公式如下：

18、

19、

20、

21、式中，为第i个粒子在第t+1次迭代中的第(j,k)维度的速度；为第i个粒子在第t+1次迭代中的第(j,k)维度的位置；为第i个粒子在第t次迭代中的第(j,k)维度的位置；c1和c2分别为个体极值和全局极值的学习因子；r1和r2分别为个体极值和全局极值的影响度扰动因子；w为惯性权重参数；wmax为惯性权重参数最大值；wmin为惯性权重参数最小值。

22、进一步的技术方案是，所述步骤s5中的算法满足的终止条件如下：

23、①迭代次数超过t*；

24、②当前更新的全局极值gbestt+1使得适应度函数满足：

25、

26、式中，[xinver]m×n为待反演的目标参数(m×n维矩阵)；为实测的dts温度剖面数据(1×n维向量)；为将[xinver]m×n输入温度预测模型后，反演模拟的温度剖面值(1×n维向量)；εt为可接受的反演误差精度。

27、本发明具有以下有益效果：

28、1、通过粒子群人工智能算法(pso)建立了页岩气水平井分布式光纤温度监测(dts)数据反演模型，对实测的温度剖面数据进行反演，可实现页岩气水平井m×n维裂缝参数、每一簇裂缝的产量贡献、水平井产出剖面的定量解释。

29、2、采用常规测试手段很难直接获取页岩气水平井裂缝参数及每一条裂缝的流量贡献，本发明提供了页岩气水平井dts监测的反演解释模型和方法，可以帮助本领域技术人员明确页岩气水平井压后形成的有效人工裂缝参数和每一簇裂缝的产量贡献，进而实现压裂改造效果定量评价，为促进我国页岩气资源高效经济开发提供技术支撑；

30、3、本发明可以但不限于对页岩气水平井温度剖面、压力剖面、流量剖面、各级裂缝流量、储层温度场分布、储层压力场分布进行预测。