1.一种基于BIM的建筑能耗动态优化方法，其特征在于，适用于包括储能系统和大量非线性电力负载的建筑，所述方法包括：从BIM的电气系统布局中选取多个电网节点，并在每个所述电网节点同步采集具有统一时间基准的高频暂态波形数据，所述高频暂态波形数据包括电压波形数据和电流波形数据；

对每个所述电网节点的所述高频暂态波形数据进行分段归一化处理，并通过符号聚合近似处理，将分段归一化后的所述高频暂态波形数据中每一数据段内的波形形态映射为预设字母表中的符号，生成每个所述电网节点对应的符号序列；

利用由多个所述电网节点对应的所述符号序列构建的符号序列组，在行为模式库中基于概率上下文无关文法对所述符号序列组进行语法解析与模式匹配，以识别目标设备群组行为，并基于所述目标设备群组行为的历史行为规律信息与关联的能耗强度，通过训练好的时间序列预测模型预测未来时间周期内的负载用电负荷，生成能耗负荷曲线；

根据所述能耗负荷曲线、储能成本信息和分时电价信息，确定所述储能系统在所述未来时间周期内的放电功率时序序列，以用于所述储能系统根据所述放电功率时序序列进行放电实现建筑能耗动态优化；

所述历史行为规律信息包括发生时间和持续时长；

所述基于所述设备群组行为的历史行为规律信息与关联的能耗强度，通过训练好的时间序列预测模型预测未来时间周期内的负载用电负荷，生成能耗负荷曲线，包括：将所述设备群组行为的发生时间、持续时长以及关联的能耗强度，编码为一个历史负荷特征序列；

将所述历史负荷特征序列，输入至所述训练好的时间序列预测模型中，得到所述未来时间周期内的负载用电负荷预测值，生成所述能耗负荷曲线。

2.根据权利要求1所述的方法，其特征在于，所述对每个所述电网节点的所述高频暂态波形数据进行分段归一化处理，并通过符号聚合近似处理，将分段归一化后的所述高频暂态波形数据中每一数据段内的波形形态映射为预设字母表中的符号，生成每个所述电网节点对应的符号序列，包括：对所述高频暂态波形数据进行分段得多个数据段，并对每个所述数据段进行归一化，生成多个归一化数据段；

将每个所述归一化数据段分割为多个时序连续的波形数据帧，并通过计算每个所述波形数据帧的多个数据点的算术平均值，构建每个所述归一化数据段对应的聚合数值序列；

根据所述预设字母表的字符数量，在标准正态分布曲线上确定一组将曲线下面积进行等分的幅值断点，并根据所述聚合数值序列中的每个聚合数值与所述幅值断点界定的数值区间的所属关系，将每个所述聚合数值映射为所述预设字母表中对应的符号；

按照时序对所述符号进行排列生成每个所述归一化数据段对应的分段符号序列，并按照时序对所述分段符号序列进行排列生成每个所述电网节点对应的符号序列。

3.根据权利要求1所述的方法，其特征在于，在所述利用由多个所述电网节点对应的所述符号序列构建的符号序列组，在行为模式库中基于概率上下文无关文法对所述符号序列组进行语法解析与模式匹配，以识别目标设备群组行为之前，所述方法还包括：获取多组由多个所述电网节点对应的历史符号序列构建的历史符号序列组；

应用语法推断算法对所述历史符号序列组进行无监督学习，以识别出所述符号序列组中具有统计显著性的重复结构，从而构建用于描述设备群组行为的概率上下文无关文法，生成所述设备群组的行为模式库，每个所述概率上下文无关文法对应一个设备群组行为。

4.根据权利要求1所述的方法，其特征在于，所述利用由多个所述电网节点对应的所述符号序列构建的符号序列组，在所述行为模式库中基于概率上下文无关文法对所述符号序列组进行语法解析与模式匹配，以识别目标设备群组行为，包括：针对所述行为模式库中的每一种设备群组行为，计算符号序列组由描述所述设备群组行为的概率上下文无关文法推导生成的概率得到所述符号序列组对于每种所述设备群组行为的匹配概率值；

将所有所述匹配概率值进行比较，并选取最高的所述匹配概率值所对应的所述设备群组行为，作为所述符号序列组的初步识别结果；

在所述最高的所述匹配概率值高于预设的匹配度阈值的情况下，将所述初步识别结果确定为所述目标设备群组行为。

5.根据权利要求1所述的方法，其特征在于，所述根据所述能耗负荷曲线、储能成本信息和分时电价信息，确定所述储能系统在所述未来时间周期内的放电功率时序序列，包括：基于所述分时电价信息和所述储能成本信息，计算所述未来时间周期内每个时间步的单位电能净收益；

在所述未来时间周期内，确定所有所述单位电能净收益大于预设最小收益门槛的时间步，得到放电窗口序列；

根据所述能耗负荷曲线、储能成本信息和分时电价信息，确定所述储能系统在所述未来时间周期内的放电功率时序序列，以用于所述储能系统根据所述放电功率时序序列进行放电实现建筑能耗动态优化。

6.一种基于BIM的建筑能耗动态优化系统，其特征在于，适用于包括储能系统和大量非线性电力负载的建筑，所述系统包括：采集模块，用于从BIM的电气系统布局中选取多个电网节点，并在每个所述电网节点同步采集具有统一时间基准的高频暂态波形数据，所述高频暂态波形数据包括电压波形数据和电流波形数据；

生成模块，用于对每个所述电网节点的所述高频暂态波形数据进行分段归一化处理，并通过符号聚合近似处理，将分段归一化后的所述高频暂态波形数据中每一数据段内的波形形态映射为预设字母表中的符号，生成每个所述电网节点对应的符号序列；

识别模块，用于利用由多个所述电网节点对应的所述符号序列构建的符号序列组，在行为模式库中基于概率上下文无关文法对所述符号序列组进行语法解析与模式匹配，以识别目标设备群组行为，并基于所述目标设备群组行为的历史行为规律信息与关联的能耗强度，通过训练好的时间序列预测模型预测未来时间周期内的负载用电负荷，生成能耗负荷曲线所述历史行为规律信息包括发生时间和持续时长；识别模块具体用于将所述设备群组行为的发生时间、持续时长以及关联的能耗强度，编码为一个历史负荷特征序列；将所述历史负荷特征序列，输入至所述训练好的时间序列预测模型中，得到所述未来时间周期内的负载用电负荷预测值，生成所述能耗负荷曲线；

确定模块，用于根据所述能耗负荷曲线、储能成本信息和分时电价信息，确定所述储能系统在所述未来时间周期内的放电功率时序序列，以用于所述储能系统根据所述放电功率时序序列进行放电实现建筑能耗动态优化。

7.一种电子设备，其特征在于，所述设备包括：处理器以及存储有计算机程序指令的存储器；

所述处理器执行所述计算机程序指令时实现如权利要求1‑5任意一项所述的基于BIM的建筑能耗动态优化方法。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1‑5任意一项所述的基于BIM的建筑能耗动态优化方法。