1.一种基于粒子群优化算法的气田群协同开发优化方法，其特征在于，包括以下步骤：S1，构造气田的稳产期与采气速度和开发井数的拟合关系式：式中， 为第m个气田的第i种采气速度； 为第m个气田的第i种开发井数； 为第m个气田在第i种采气速度和第i种开发井数的稳产时间；k1为关系式中采气速度项的回归系数；k2为关系式中采气速度项的回归幂指数；k3为关系式中开发井数项的回归系数；k4为拟合关系式截距；

S2，建立各气田协同开发的目标函数；

所述目标函数包括目标函数I和目标函数II；

所述目标函数I为联合供气时间最长，具体为：

i

Max(T)＝Max(T)；

i

其中，T为各气田联合供气时间，T为各气田在第i种采气速度和第i种开发井数情况下i的联合供气时间；Tm为第m个气田在第i种采气速度和第i种开发井数的稳产时间；

所述目标函数II为联合供气时间段内净现值最大，具体为：j j

其中，NPV为各气田联合供气时间段内净现值；CI为第j年收入；CO 为第j年支出； 为第j年累产气量；P1为气销售价格；I为折现率； 为第m个气田的第i种开发井数；a1为平均单井钻井成本；a2为单位气操作成本；

S3，建立目标函数的约束条件；

其中，Qconstant为需要提供的年供气量，常量；GIIPm为第m个气田的地质储量； 为第m个气田的第i种采气速度；M为气田的个数； 为第m个气田的第i种开发井数；Km为第m个气田的开发井数的上限；

S4，根据约束条件对目标函数进行求解；

采用粒子群优化算法对两个目标函数进行求解，分别获得两个目标函数的最优解，每个最优解对应一个协同开采方案；

S5，根据步骤S4筛选出最佳协同开采方案。

2.根据权利要求1所述的基于粒子群优化算法的气田群协同开发优化方法，其特征在于，在步骤S4中，具体求解步骤为：设定粒子数为L，延伸到D维空间，第l个粒子位置矢量表示为Pl＝(pl1，pl2，…，plD)，第l粒子速度矢量表示为Vl＝(vl1，vl2，…，vlD)，第l个粒子历史最优位置为pbestl＝(pbest1，pbest2，…，pbestD)，整个粒子群内历史最优位置为gbest＝(gbest1，gbest2，…，gbestl)；

其中，D为模型优化求解参数的个数，为2*(M‑1)，表示需要求解(M‑1)个气田的采气速度以及M个气田的开发井数；Pl＝(pl1，pl2，…，plD)为模型寻优过程中的一个解，(pl1，pl2，…，plD)为需要寻优的采气速度与开发井数；

PSO初始化一群粒子，通过跟踪两个极值更新自己的位置和速度，更新公式为：V＝wV+c1r1(pbest‑P)+c2r2(gbest‑P)；

P＝P+V；

其中，

wmax为最大惯性权重，wmin为最小惯性权重，k为当前迭代次数，N为最大迭代次数；V为粒子的速度，P为粒子的当前位置，r1和r2为随机数；w(k)表示的是第k次迭代后的惯性权重w；

S4.1，初始化粒子，对每个粒子的初始位置Pl＝(pl1，pl2，…，plD)和速度Vl＝(vl1，vl2，…，vlD)进行赋值，初始粒子在允许范围内随机产生，此时个体极值pbest为初始位置，而全局极值gbest为个体极值中的最优值；

S4.2，计算每个粒子的目标函数值，并将每个粒子的目标函数值与其个体历史最优位置比较，如果优于个体最优位置，则将当前位置替换为个体极值；

S4.3，将每个粒子的目标函数值与群体历史最优位置进行比较，若当前目标函数值优于群体极值，则将其作为群体最优位置，并将当前粒子替换为全局极值；

S4.4，将得到的个体极值和全局极值带入位置和速度公式得到新的位置和速度；

S4.5，检查是否满足系统性能指标或者达到最大迭代次数，若满足条件，则终止程序，否则，返回步骤S4.2。

3.根据权利要求2所述的基于粒子群优化算法的气田群协同开发优化方法，其特征在于，在步骤S5中，根据步骤S4寻优找出的全局最优解，对应粒子位置Pl＝(pl1，pl2，…，plD)就是全局最优的气田采气速度与开发井数组合，即为指定目标函数下的最佳协同开采方案。