1.3 平面裂缝模型

        在进行油藏模拟过程中，需要考虑多条裂缝之间的生产干扰、裂缝中的非达西渗流以及不同裂缝之间的缝长和导流能力的差异。本文选择CMG油藏数值模拟器中的GEM模块对油藏进行模拟，该软件可以考虑非达西渗流以及裂缝间的生产干扰。GEM模拟器中的平面裂缝模型可以准确地模拟多条裂缝间、基质到裂缝间的油气流动的瞬时行为，如图3。平面裂缝与井筒相交的网格在两个方向都进行了对数加密，以更准确地模拟井筒和裂缝内的流体流动。红色表示油藏裂缝带，其宽度在GEM中的默认值为0.6096m，而实际裂缝宽度为0-10mm。为了在较宽的裂缝带模拟实际宽度的窄裂缝，假设实际裂缝的导流能力等于GEM中使用的红色裂缝区的裂缝导流能力，则红色裂缝带的有效渗透率K_eff可以通过公式（1）计算得到。

式中

K_eff—红色裂缝带有效渗透率，mD；

K_actual—实际裂缝渗透率，mD；

W_actual—实际裂缝宽度，m；

W_block—红色裂缝带宽度，m。

1.4 算法优选比较

        差分进化算法由早期的遗传算法演变而来，是一种高效的连续变量全局优化算法。该算法通过多次迭代计算，在自动丰富种群数量的同时选择优秀个体，淘汰劣质个体，使问题的解趋近于全局最优，具有原理简单、鲁棒性强等优点。其最突出的特点是自适应变异操作，能够随着进化不断地调整变异扰动的差向量因子，平衡整个算法的全局搜索和局部搜索能力，使优化的结果可以达到全局最优。粒子群算法是一种常用的优化算法，它由鸟群觅食行为启发而发展起来。在粒子群算法中每个个体被看作一个粒子，并被赋予一个在解空间中随机生成的初始位置和速度。每个粒子不断地更新自身的位置和速度，并根据自己的历史最佳位置和全局最佳位置进行调整，以寻找更优的解。粒子在搜索解空间中不断迭代，直到达到预设的迭代次数或者达到特定的优化目标。该算法不需要梯度信息，收敛速度快，易于实现。由于此次优化为高维参数优化，整体优化过程耗时较长，需要选择操作原理简单、耗时较短同时能得到全局最优解的算法。而差分进化算法和粒子群算法在优化高维参数和操作时间成本方面都具有较好的表现，同时具有较好的鲁棒性和稳定性。因此，本文选择差分进化算法和粒子群算法对以上参数进行优化，两种优化算法流程如图4、图5所示。

1.5 目标函数

        考虑长期生产效果，本文选择未来五年的累产油量f（x）作为目标函数，得到使累产油量最大化的参数组合，见公式（2）。

式中

X^*—可以使目标函数最大化的可行向量组；

f（x）—迭代计算得到的油井产能，m³；

x —包含所有控制变量的七维向量。

        优化过程为在满足边界约束条件的基础上寻找向量组X_i = X₁, X₂, …, X_i，使得目标函数值最大，该向量组即为最优解。整体压裂智能优化指对四井平台中3个井间距、4个缝间距共七维参数开展同步优化。常规压裂优化通常采用单因素分析法，即控制其他参数为定值，只改变一个参数进行优化，优化结果只能是局部最优值，且无法考虑各参数之间的相互影响。本文创新性地采用多平台融合和智能优化算法，对七维压裂参数进行同步优化，获得了四井平台最佳匹配的井距、缝距组合。井距、缝距影响生产干扰程度和压裂改造控制体积大小，因而与累产油关系紧密。前人有选择压裂改造体积、日产油或净现值为目标函数，但这些目标函数难以直接反映井网井距的匹配关系。

2.储层特征与优化模型建立

2.1油藏概况

        四井平台位于准噶尔盆地玛湖凹陷达13井区，水平井钻井目标层为三叠系百口泉组百二段，砂体厚21.2m，油层厚度11.3m。油层内发育2个夹层，上部为物性夹层，厚度0.3m；下部为泥岩夹层，厚度0.3m。该平台所在井区油藏埋藏深，构造复杂、断裂发育，地应力分布认识不清，水力裂缝延伸规律复杂，天然裂缝不发育。