[0001] 本发明涉及动态评估技术领域，尤其涉及深层地热能动态评估方法。

[0002] 动态评估技术领域主要涉及资源的实时监测与评价，以便对其性能、状态或其他关键参数进行连续的跟踪和分析。在地热能领域，动态评估技术特别关注地热井的温度、流体流量、压力等物理和化学特性的实时数据收集与处理，以确保地热能的有效提取和利用。动态评估允许运营者调整开采策略，优化资源管理，从而提高地热能源的整体效率和可持续性。

[0003] 其中，深层地热能动态评估方法是一种专为深层地热能源开发设计的技术方法，该方法通过集成监测工具和评估算法，实时地评估地热井的性能和资源状况，其主要用途包括监控地热井的运行条件，如温度、压力和流体动力学参数，以及对这些数据进行分析，以便及时调整开采参数和策略，确保地热能的高效和可持续开采。

[0004] 传统方法在处理大规模和复杂数据时表现不足，导致无法有效同步更新开采策略以应对快速变化的环境。此外，传统方法在预测地热井的未来表现方面存在局限，多依赖于过时的模型，模型缺乏预测地热动态变化的能力，不仅降低了开采操作的效率，还增加开采活动的风险，进而影响到地热能的可持续开采。

[0016] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

[0017] 在本发明的描述中，需要理解的是，术语“长度”“宽度”“上”“下”“前”“后”“左”“右”“竖直”“水平”“顶”“底”“内”“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

[0018] 实施例：请参阅图1，本发明提供一种技术方案：深层地热能动态评估方法包括：S1：基于地热井的温度与压力数据，计算数据间的温度差与压力差，调整数据的时间序列格式，并对数据进行去噪处理，得到标准数据配置；
S2：基于标准数据配置，应用最小二乘法，对偏微分方程的参数进行优化修正，并匹配地质和地热条件，生成参数精调集合；
S3：基于参数精调集合，应用有限元方法，解析地热井的动态变化，并根据动态变化趋势，对地热能未来的温度和压力状态进行计算和预测，得到预测状态模型；
S4：基于预测状态模型，进行模型稳定性和灵敏度分析，对预测结果进行解析，并比较预测结果与历史数据，校验模型准确性，生成预测准确性评估结果。

[0019] 标准数据配置包括信号去噪级别、数据同步状态，参数精调集合包括地质参数调整结果、热流特性校正数据、压力响应标准，预测状态模型包括温度变化范围、压力变化范围、资源利用预估数据，预测准确性评估结果包括稳定性评级、灵敏度指数、历史匹配度；请参阅图2，温度差与压力差的计算步骤具体为：
S111：收集地热井的温度数据，记作数据数组 ，其中每个 是
第个时间点的温度读数；
S112：收集地热井的压力数据，记作数据数组 ，其中每个
是第个时间点的压力读数；
S113：使用公式进行温度差计算：
 ；
使用公式进行压力差计算：
 ；
通过添加最小值计算温度差与压力差，优化对突变点的敏感度，其中， 和 为
权重参数，控制相邻数据点间差异的影响，为最小值加权参数，优化公式对极值的敏感度，增加计算稳定性，、 和 为连续三个时间点的温度读数，、 和 为连续三个时
间点的压力读数。

[0020] 首先，收集地热井在连续三个时间点的温度和压力数据，设定三个时间点为 、和 ，假设三个时间点的温度读数分别为100℃、105℃和103℃，压力读数分别为200bar、205bar和202bar；
假设权重参数 和 都为1，而最小值加权参数 为0.5，权重参数可根据数据的
变化性和重要性通过统计分析方法得出；
根据公式，计算温度差 ：
 ；
代入具体数值：
 ；
根据公式，计算压力差 ：
 ；
代入具体数值：
 ；
得到在三个连续时间点的温度差和压力差；
请参阅图3，标准数据配置的获取步骤具体为：
S121：根据得到的温度差与压力差，进行数据时间序列格式调整，将原始时间序列数据转化为均匀时间间隔的格式；
S122：进行数据去噪处理，使用加权移动平均公式：
 ；
优化数据点权重与两侧数据点的加权，输出处理后的数据作为标准数据配置，其
中，为去噪后的数据点，为相邻数据点的权重，平衡邻近值对当前点估计的贡献，为当前数据点的权重，决定当前点值在平滑过程中的影响力， 、 和 为连续三个时间点的数据读数。

[0021] 假设有原始数据点表示地热井的温度测量值，例如在连续三个时间点的数据分别为 =98℃、=102℃和 =100℃，接着确定权重参数，选择权重参数 =1和 =2，为相邻数据点的权重，是当前数据点的权重，用以强调当前数据点在平滑过程中的重要性；根据加权移动平均公式，计算去噪后的数据点 ：
 ；
代入具体数值进行计算：
 ；
得到 =100.5℃作为处理后的标准数据点输出，并同时反映数据点 的主要影响，
而不过度受到相邻点的干扰。

[0022] 请参阅图4，参数精调集合的获取步骤具体为：S211：收集标准数据配置，数据包括已经去噪和时间序列调整的温度与压力操作
数据；
S212：进行偏微分方程参数的初步设定，包括设定地热井的地质与地热条件的基
础数值；
S213：通过将地热井实测数据与偏微分方程进行匹配，调整方程参数，并符合地质和地热条件，使用公式：
 ；
输出参数精调集合，其中， 是调整后的参数， 是原始参数，是调整系数，
是地质反馈系数， 是模型预测的地温， 是观测到的地温，是压力调整系数， 是模型预测的压力， 是观测到的压力。

[0023] 假设有如下地热井操作数据和偏微分方程的初步参数设定：原始参数 假设为50MPa，模型预测的地温 为150℃，观测到的地温 为145
℃，模型预测的压力 为55MPa，观测到的压力 为52MPa，地质反馈系数 设为0.8，压力调整系数 设为0.2，调整系数 设为1.5；
计算温度和压力的差异加权：
计算温度差的影响， ；
计算压力差的影响， ；
应用加权系数计算总体调整值：
为合并温度和压力的影响，使用权重 和 ，公式为：
总体调整值 ；
代入具体数值：
总体调整值 ；
计算最终调整后的参数，使用调整系数 来缩放总体调整值，并加到原始参数
上：
总体调整值 ；
最终计算为56.9MPa，代表基于实际观测数据和模型预测差异调整后的新参
数。

[0024] 请参阅图5，地热井的动态变化解析步骤具体为：S311：整合参数精调集合，从地热井操作数据中获得新参数；
S312：将获得的新参数输入有限元方法模型，包括已调整的温度和压力参数；
S313：执行动态模拟，通过对输入参数进行有限元分析，模拟地热井在差异操作条件下的响应，使用公式：
 ；
解析地热井的动态变化趋势，其中， 表示地热井的动态变化量，是调整因子，
和 分别是温度和压力的变化值， 和 分别是温度和压力的影响系数，和 分别是压力和温度变化的加权因子。

[0025] 假设有以下参数，用以解析地热井的动态变化：初始温度变化 为5℃，初始压力变化 为0.1MPa，温度影响系数 为0.6，压力影
响系数 为0.4，调整因子 为1.2，温度变化的加权因子 为2，压力变化的加权因子 为1；
计算加权的温度和压力影响：
温度影响加权： ；
压力影响加权： ；
计算分母中的总权重：
总权重计算： ；
合并加权结果并计算动态变化：
合并加权结果： ；
应用调整因子计算最终动态变化： ；

[0026] 得到地热井的动态变化量 计算为4.53，代表了考虑到温度和压力调整后地热井的预期变化。

[0027] 请参阅图6，预测状态模型的获取步骤具体为：S321：收集和整合地热井的动态变化数据，包括调整后的温度和压力参数；
S322：应用ARIMA模型，结合历史数据和当前的动态变化，使用公式：
 ；
计算未来的温度和压力状态，获得预测状态模型，其中， 是预测的未来状
态， 是当前状态，表示模型计算起始时的地热条件，是时间系数，用于调整预测变化量在时间上的扩散或延伸，是温度变化的预测系数，是压力变化的预测系数， 和是从动态变化分析中得到的温度和压力变化量。

[0028] 假设使用以下数值来预测地热井的未来状态：当前状态 为200℃（温度）和150bar（压力），预测的温度变化 为+3℃，预测
的压力变化 为+2bar，时间系数 为0.5，温度变化的预测系数 为1.5，压力变化的预测系数为0.8；
计算温度和压力的影响：
温度影响计算： ；
压力影响计算： ；
合并温度和压力的影响：
总影响计算： ；
应用时间系数计算未来状态：
未来状态计算： ；
带入数值： ；
的温度部分为 ；
假设用同样的过程为压力计算：
的压力部分为 ；
根据以上计算，未来的地热井状态 为203.05℃和153.05bar，这个计算考虑
了预测的温度和压力变化，通过时间系数 调整了未来状态预测的影响，确保预测更加精确和符合实际变化趋势。

[0029] 请参阅图7，预测结果的解析步骤具体为：S411：分析预测状态模型输出，从模型中提取预测得到的温度和压力数据；
S412：计算预测数据与观测数据的差异，使用公式：
 ；
获取预测结果的差异记录，并输出解析的预测结果，其中， 表示预测数据与观
测数据之间的加权平均偏差，和 是预测的压力和温度值，和 是对应的观测压力和温度值，是数据点的数量，和 是压力和温度的加权系数，用于调整变化对总偏差的贡献。

[0030] 模型提供以下预测和实际观测值：预测压力（）=150bar，观测压力（）=145bar，预测温度（ ）=350℃，观测温度（）=355℃，数据点数量（）=2（代表只有一组压力和温度数据），压力加权系数（）=1.0，温度加权系数（）=0.5；
计算压力和温度的偏差比率：
压力偏差比率： ；
温度偏差比率： ；
应用加权系数：
加权压力偏差： ；
加权温度偏差： ；
合成偏差计算：
合成偏差： ；
平方和与平均：
平方偏差： ；
平均平方偏差： （平方偏差） ；
计算总的预测偏差（Diff）：
总预测偏差：Diff ；
根据计算，总的预测偏差Diff是约0.0194，表达模型预测与实际观测之间差异的
数值，较低的值表明较小的预测误差，该过程揭示了模型预测的精确性和可靠性，并且通过量化预测误差，可以评估模型在实际应用中的表现。

[0031] 请参阅图8，评估准确性结果的获取步骤具体为：S421：收集预测结果与观测数据的偏差计算结果；
S422：对收集到的偏差数据进行统计分析，计算标准偏差和平均误差，使用公式：
 ；
基于统计分析结果，表示模型预测准确性和潜在改善区域，得到预测准确性评估
结果，包括模型在差异测试条件下的表现和准确性的定量评估，其中， 表示模型的整体预测准确性，是预测值，是观测值，是数据点的数量，和 是调整系数。

[0032] 首先设定参数值：预测压力 =102bar，观测压力 =100bar，数据点数量 =5（表示总共有五组数据），第一调整系数 =0.8，第二调整系数 =0.2；
接着计算单个数据点的偏差：
计算压力的偏差比率： ；
应用加权系数计算偏差的加权和：
加权一次误差： ；
加权误差的平方： ；
合并加权误差：
合成总偏差：0.016+0.00008=0.01608；
对所有数据点重复上述步骤并求和：
假设所有五个数据点的偏差是相似的，总偏差和为 ；
计算平均偏差： ；
计算总的预测准确性：Accuracy ；

[0033] 根据计算，总的预测准确性Accuracy是约0.98392，表达模型预测与实际观测之间接近程度的数值，通过计算加权偏差来评估模型的准确性，帮助识别模型在实际应用中的表现。

[0034] 以上，仅是本发明的较佳实施例而已，并非对本发明作其他形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其他领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。