随着以煤炭、石油和木柴为代表的传统能源消耗带来的巨量的空气污染日益引起全社会的关注，天然气作为一种相对较为清洁的能源得到了广泛的重视。近年来在非常规油气藏勘探和开发技术上的迅猛发展，使得具有巨大潜在储量但一直得不到有效开发的以页岩气和致密砂岩气为代表的非常规油气资源成为了投资热点和研究焦点，但经济效益和环境影响上的风险也要求我们对致密砂岩气藏等非常规油气储藏中流动和传输机理有更完整彻底的认识。非常规气藏中的流体通常为多相多组分复杂流体，对其各相组成和分布的具有热力学一致性的可靠描述是对其流动和传输行为中物理性质的变化规律进一步分析的必要基础。 而非常规气藏通常表现的低孔低渗，裂缝性，局部含水饱和度，高毛管压力等特殊机理对流体界面性质的影响不容忽视。因此，对非常规气藏中复杂流体的相平衡计算需要建立考虑多种特殊机理的数值模型，并设计出快速可靠的算法以应对实际工况中油藏流体包含多达数十种组分的复杂情况。闪蒸计算是常见的相平衡计算方法，在工程上常用的有PT型（恒定压力和温度）和VT型（恒定体积和温度）两种，在学术研究里面 VE型（恒定体积和内能）也比较受关注。PT型闪蒸计算具有较长的发展历史，在石油工业中广泛应用，但VT型闪蒸更适合非常规气相平衡计算中考虑毛细作用的情况，最近几年在石油工业上有扩大应用的趋势，VE型对变温系统比较方便，但是因为在工程计算上也有诸多不便，现在还很少在工业上有应用。
在本研究中，我们将基于适合非常规油气藏常见组分的真实流体状态方程，即Peng-Robinson状态方程构建具有热力学一致性的VT型孔观相平衡计算体系，通过引入描述毛细压力做功的数学模型实现对储藏流体热力学性质的更准确的刻画，并结合扩散界面模型建立动力学演化格式，并采用成熟的凸分裂方法求解摩尔数和体积分数的演变，从而描述相平衡的动态过程。通过与实验数据及经典文献结果的对比，论证了该体系的准确性和可靠性，并展示了毛细作用对相平衡状态的影响。在此基础上，我们开发了一套具有自适应性的深度学习算法，设计了独特的双网络结构以实现对不同流体中不同组分数的广泛适用性，从而扩展了本方法在实际工程实践中的应用范围。该神经网络的输入和输出参数均在热力学分析的基础上选取关键的热力学性质参数，并进行了全面的超参调试以确定最合适的网络架构和最后形成的预测模型的基本结构，且通过多种深度学习方法解决了过拟合问题，在显著加速了传统的基于迭代方法的闪蒸计算的同时保证了相平衡状态预测的准确性，得到了较好的预测效果。相分离判定自动整合在我们的预测中，且从最终预测结果我们可以显著地捕捉到毛细作用的影响。这一套快速、准确、可靠地基于深度学习算法的非常规气藏孔观相平衡计算体系可以为后续的多相流动模拟提供具有物理意义的相分布初场，确定系统内各个阶段的相数，并可以作为构建具有物理守恒性的多相数值模型的热力学基础。

孔观相平衡,非常规油气藏,闪蒸计算