1.一种基于物联网的井场压裂动态分析方法，其特征在于，包括：步骤S1：在井场构建多层级传感器网络，用于实时采集压裂设备运行参数、井下储层动态响应数据、压裂液性能参数和井场周边环境监测数据，形成多源数据；步骤S2：通过边缘计算节点对采集的所述多源数据进行预处理得到预处理数据，将所述预处理数据经加密传输协议上传至云端分析平台，所述云端分析平台构建有井场压裂数字孪生模型；步骤S3：云端分析平台通过多维度分析模型对预处理数据和数字孪生模型进行关联计算，生成裂缝扩展动态特征、储层导流能力和压裂设备运行状态的综合评估结果，所述多维度分析模型包括裂缝扩展模型、支撑剂运移模型及储层产能预测模型，所述裂缝扩展模型基于断裂力学理论构建，用于计算裂缝扩展动态特征，所述支撑剂运移模型基于所述多源数据中的支撑剂浓度和压裂液流速计算支撑剂在裂缝中的运移规律，所述储层产能预测模型基于所述多源数据中的储层参数预测压裂后的产能；步骤S4：基于综合评估结果生成调控指令，针对压裂参数动态调整。
2.根据权利要求1所述的一种基于物联网的井场压裂动态分析方法，其特征在于，所述步骤S2中通过边缘计算节点对采集的所述多源数据进行预处理得到预处理数据包括：步骤S201:通过公式 判定多源数据中的异常值，其中 为单条传感器数据， 为同一时段数据平均值， 为标准差，满足该条件的数据判定为异常值，针对异常值采用拉依达准则进行剔除；步骤S202：对剔除异常值后的多源数据进行时间轴对齐，以压裂泵启动时刻为基准零点，将不同传感器的采集时间戳统一转换为相对时间；步骤S203:采用归一化处理消除量纲影响，得到预处理数据。
3.根据权利要求1所述的一种基于物联网的井场压裂动态分析方法，其特征在于，所述步骤S2中云端分析平台构建井场压裂数字孪生模型包括：基于井场三维地质建模数据、完井参数和历史压裂数据，通过有限元分析软件构建包含应力场、渗流场及温度场的物理场仿真模型，以形成井场压裂数字孪生模型，所述井场压裂数字孪生模型的更新频率与所述多层级传感器网络的传感器数据采集频率一致。
4.根据权利要求1所述的一种基于物联网的井场压裂动态分析方法，其特征在于，所述裂缝扩展模型通过公式 计算I型断裂韧度，其中 为I型断裂韧度， 为几何因子， 为储层地应力， 为裂缝半长，输入数据包括所述多层级传感器网络中分布式光纤应变传感器采集的应变值、微地震检波器采集的震源定位数据及地应力测井数据；所述支撑剂运移模型通过公式 描述支撑剂运移规律，其中 为支撑剂浓度， 为时间， 为压裂液流速， 为裂缝长度方向坐标， 为扩散系数， 为支撑剂沉降系数，输入数据包括所述多层级传感器网络中压裂液流量传感器数据、支撑剂浓度检测仪数据及所述裂缝扩展模型输出的裂缝半长 ；所述储层产能预测模型用于预测压裂后不同时段的产量，输入数据包括所述多层级传感器网络采集的储层厚度、孔隙度、渗透率、压裂段长及所述裂缝扩展模型输出的裂缝半长 。
5.根据权利要求4所述的一种基于物联网的井场压裂动态分析方法，其特征在于，所述步骤S3中生成储层导流能力，包括：采用稳态法，通过公式 计算无因次导流能力 ，其中，裂缝渗透率 基于所述多层级传感器网络中声波传感器采集的裂缝宽度 及压裂液滤失系数计算得出，储层基质渗透率 来自所述多层级传感器网络中储层测井数据，裂缝半长 由所述裂缝扩展模型输出；所述步骤S3中生成压裂设备运行状态的评估结果，包括：将所述多层级传感器网络中设备层传感器实时采集的压裂泵组压力、流量、功率及转速参数，与基于数字孪生模型仿真得到的设备预期运行参数区间进行比对，若实时参数持续偏离预期区间，则判定设备运行状态异常。
6.根据权利要求1所述的一种基于物联网的井场压裂动态分析方法，其特征在于，所述步骤S4包括：基于综合评估结果生成分级调控指令，通过物联网控制终端下发至压裂执行系统，对压裂参数动态调整，并生成调控后的反馈数据；所述分级调控指令包括一级调控、二级调控和三级调控；其中，所述一级调控用于对压裂液排量进行第一预设幅度范围内的调整；所述二级调控用于对支撑剂浓度和压裂液黏度进行第二预设幅度范围内的调整；所述三级调控用于暂停当前压裂段的施工并启动洗井程序，其中洗井液的流速基于当前压裂液排量按预设比值进行控制；所述基于物联网的井场压裂动态分析方法，包括：步骤S5：实时采集调控后的反馈数据，与预设阈值进行对比，若反馈数据超出阈值，则重复步骤S3至步骤S4，直至反馈数据处于阈值范围内。
7.根据权利要求1所述的一种基于物联网的井场压裂动态分析方法，其特征在于，包括：步骤S6：所述云端分析平台基于历史数据构建机器学习预测模型，对压裂后不同时间尺度的产量进行预测；其中，所述机器学习预测模型的训练过程包括：步骤S601：收集历史井场的压裂施工参数、储层参数及对应的产量数据，构建训练数据集；步骤S602：对所述训练数据集进行标准化处理；步骤S603：将标准化后的数据集按预设比例划分为训练集和验证集，并采用梯度下降优化算法对模型进行训练，在训练过程中设置初始学习率并按照预设策略进行自适应衰减；步骤S604：通过所述验证集计算模型的预测误差，当所述预测误差低于预设阈值时停止训练，并保存最终的模型参数。
8.根据权利要求1所述的一种基于物联网的井场压裂动态分析方法，其特征在于，所述步骤S1中多层级传感器网络按监测维度分为设备层传感器、储层传感器及环境层传感器，所述设备层传感器包括压裂泵组的压力传感器、流量传感器、功率传感器和转速传感器，所述储层传感器包括分布式光纤应变传感器、井下微地震检波器和声波传感器，所述环境层传感器包括土壤含水率传感器、地下水水质传感器和空气颗粒物传感器；所述步骤S1中压裂液性能参数包括黏度、pH值、支撑剂浓度和表面张力，通过设置在压裂液循环管路中的在线检测仪采集。
9.一种基于物联网的井场压裂动态分析系统，其特征在于，包括：多层级传感器网络：构建在井场，用于实时采集压裂设备运行参数、井下储层动态响应数据、压裂液性能参数和井场周边环境监测数据，形成多源数据；边缘计算模块，与所述多层级传感器网络通信连接，用于对采集的多源数据进行预处理，得到预处理数据；云端分析平台，与所述边缘计算模块通信连接，所述云端分析平台内部设置有数字孪生模型构建单元和多维度分析单元，所述数字孪生模型构建单元用于构建井场压裂数字孪生模型，所述多维度分析单元用于调用预设的多维度分析模型，对所述预处理数据与数字孪生模型进行关联计算，生成裂缝扩展动态特征、储层导流能力及压裂设备运行状态的综合评估结果，所述多维度分析模型包括裂缝扩展模型、支撑剂运移模型及储层产能预测模型，所述裂缝扩展模型基于断裂力学理论构建，用于计算裂缝扩展动态特征，所述支撑剂运移模型基于所述多源数据中的支撑剂浓度和压裂液流速计算支撑剂在裂缝中的运移规律，所述储层产能预测模型基于所述多源数据中的储层参数预测压裂后的产能；物联网控制终端，与所述云端分析平台通信连接，用于基于所述综合评估结果生成调控指令，针对压裂参数动态调整。
