1.管式裂解炉的一种炉管结焦感知与预测方法，其特征在于，包括以下步骤：构建裂解炉数字孪生体；

对裂解炉与裂解炉数字孪生体之间的虚-实空间数据进行交互；

基于交互的虚-实空间数据，结合多源数据深度学习，重构裂解炉管内温度场、压力场和流量场时-空动态变化过程，实现炉管结焦统计推断和趋势预测的炉管清焦或烧焦最佳时机预测。

2.根据权利要求1所述的管式裂解炉的一种炉管结焦感知与预测方法，其特征在于，构建裂解炉数字孪生体的方法包括：以裂解装置为核心，围绕物理实体PE、虚拟实体VE、数字孪生体数据DD、面向安全服务Ss和实体者间连接CN，构建数字孪生概念模型，集成信息数据与物理数据；

基于集成的信息数据与物理数据，采用从底向上方式，建立数字孪生系统参考架构；

基于所述数字孪生系统参考架构，建立PE的数字模型或信息传递模型，搭建VE和实体间的双向数据通信，形成乙烯装置流程的数字影子模型，进而形成完整的数字孪生模型，构建裂解过程数字孪生体。

3.根据权利要求2所述的管式裂解炉的一种炉管结焦感知与预测方法，其特征在于，对裂解炉与裂解炉数字孪生体之间的虚-实空间数据进行交互的方法包括：以乙烯裂解系统3D虚拟仿真为基础，结合数字孪生模型，由数字主线疏通乙烯工艺过程各环节数据产生、交换和流转关系，实现虚拟环境下的生产过程及安全风险动态复现和推演，以及各生产流程数据无缝流动和过程追溯。

4.根据权利要求3所述的管式裂解炉的一种炉管结焦感知与预测方法，其特征在于，重构裂解炉管内温度场、压力场和流量场时-空动态变化过程的方法包括：构造裂解炉对流室温度、压力、流量变化及物料裂解反应的可扩充模型集合S；

以可扩充模型集合S为基础，通过数值模拟，量化分析炉管进料特征量变化、炉管内外环境变化和对流室出口物料特征量变化之间的耦合关系；

采用3维网格对裂解炉对流室进行网格划分D，以可扩充模型集合S为基础，计算网格D各节点的温度、压力、流速、流量数据；

利用炉管进料特征量变化、炉管内外环境变化和对流室出口物料特征量变化之间的耦合关系，结合网格各节点的温度、压力、流速、流量数据，训练多层卷积神经网络，得到深度学习模型；

采用场描述容器以及传输管道内任意点的温度、压力、流速、辐射特征属性，获取张量场在网格节点的温度、压力、流速、辐射特征属性仿真数据；

采用数字孪生体时空推演仿真数据，获得基于深度学习的张量场函数拟合模型，及梯度、散度和旋度函数模型；

结合乙烯装置现场采集的温度、压力、流速、辐射数据对基于深度学习的张量场函数拟合模型以及梯度、散度和旋度函数模型进行更新；结合更新后的模型和时-空插值方法，获取乙烯裂解炉管内任意点温度、压力、流速、辐射特征属性随时空变化的软测量数据。

5.管式裂解炉的一种炉管结焦感知与预测系统，其特征在于，包括：构建模块、交互模块和预测模块；

所述构建模块用于构建裂解炉数字孪生体；

所述交互模块用于对裂解炉与裂解炉数字孪生体之间的虚-实空间数据进行交互；

所述预测模块用于基于交互的虚-实空间数据，结合多源数据深度学习，重构裂解炉管内温度场、压力场和流量场时-空动态变化过程，实现炉管结焦统计推断和趋势预测的炉管清焦或烧焦最佳时机预测。

6.根据权利要求5所述的管式裂解炉的一种炉管结焦感知与预测系统，其特征在于，所述构建模块包括：数据集成单元、参考架构构建单元和数字孪生体构建单元；

所述数据集成单元用于以裂解装置为核心，围绕物理实体PE、虚拟实体VE、数字孪生体数据DD、面向安全服务Ss和实体者间连接CN，构建数字孪生概念模型，集成信息数据与物理数据；

所述参考架构构建单元用于基于集成的信息数据与物理数据，采用从底向上方式，建立数字孪生系统参考架构；

所述数字孪生体构建单元用于基于所述数字孪生系统参考架构，建立PE的数字模型或信息传递模型，搭建VE和实体间的双向数据通信，形成乙烯装置流程的数字影子模型，进而形成完整的数字孪生模型，构建裂解过程数字孪生体。

7.根据权利要求6所述的管式裂解炉的一种炉管结焦感知与预测系统，其特征在于，对裂解炉与裂解炉数字孪生体之间的虚-实空间数据进行交互的过程包括：以乙烯裂解系统3D虚拟仿真为基础，结合数字孪生模型，由数字主线疏通乙烯工艺过程各环节数据产生、交换和流转关系，实现虚拟环境下的生产过程及安全风险动态复现和推演，以及各生产流程数据无缝流动和过程追溯。

8.根据权利要求7所述的管式裂解炉的一种炉管结焦感知与预测系统，其特征在于，所述预测模块包括：可扩充模型集合S构建单元、耦合关系分析单元、改变量计算单元、深度学习模型构建单元、网格节点仿真数据计算单元、时-空矢量场图绘制单元和软测量数据计算单元；

所述可扩充模型集合S构建单元用于构造裂解炉对流室温度、压力、流量变化及物料裂解反应的可扩充模型集合S；

所述耦合关系分析单元用于以可扩充模型集合S为基础，通过数值模拟，量化分析炉管进料特征量变化、炉管内外环境变化和对流室出口物料特征量变化之间的耦合关系；

所述改变量计算单元用于采用3维网格对裂解炉对流室进行网格划分D，以可扩充模型集合S为基础，计算网格D各节点的温度、压力、流速、流量数据；

所述深度学习模型构建单元用于利用炉管进料特征量变化、炉管内外环境变化和对流室出口物料特征量变化之间的耦合关系，结合网格各节点的温度、压力、流速、流量数据，训练多层卷积神经网络，得到深度学习模型；

所述网格节点仿真数据计算单元用于采用场描述容器以及传输管道内任意点的温度、压力、流速、辐射特征属性，获取张量场在网格节点的温度、压力、流速、辐射特征属性仿真数据；

所述时-空矢量场图绘制单元用于采用数字孪生体时空推演仿真数据，获得基于深度学习的张量场函数拟合模型，及梯度、散度和旋度函数模型；

所述软测量数据计算单元用于结合乙烯装置现场采集的温度、压力、流速、辐射数据对基于深度学习的张量场函数拟合模型以及梯度、散度和旋度函数模型进行更新；结合更新后的模型和时-空插值方法，获取乙烯裂解炉管内任意点温度、压力、流速、辐射特征属性随时空变化的软测量数据。