Canada Spends Logo

Explore our Budget 2026 analysis

Grant: Alliance Grants

Concordia University

$30,000.00

Development of an AI-Based regulatory control for an Energy Management Information System (EMIS) to improve occupants health and comfort

FY 2021-22

Summary
There is a vital need to link data-driven models with Energy Management Information System (EMIS) and Indoor Air Quality (IAQ) control tools to leverage them in real-time settings and evaluate their effects in buildings as a whole. These effects could be occupant related (e.g., such as thermal comfort and health), climate related (e.g., energy usage and emissions), equipment related (e.g., aging of HVAC systems), and cost related (e.g., energy bills, upfront costs, sick leaves, etc.). The EMIS goal is to collect, analyze, optimize, and deliver useful information to the building operators/controls in forms of recommended adjustments, issues, and reports. This is particularly of growing importance in sensitive buildings such as hospitals, schools, and factories with clean rooms (provided the COVID-19 circumstances) to have a clear view of the building operation/controls. The main objective of the proposed project is to establish R&D into the integration of AI technologies, specifically predictive analytics tasks into building HVAC system in order to keep the building healthy, comfortable, and energy efficient with low operating costs. The need for this integration comes from: 1) Availability of massive data related to BMS system and external resources (weather data, and utility bills) recorded in the cloud-based EMIS, 2) The growing need of the industry to have analytics in place to improve efficiency which are currently limited by stringent budgets and resources, and 3) Availability of big data analytics tools, machine learning algorithms, and powerful computational resources to extract patterns from the data for prediction based analytics. The academic and industrial teams will collaborate over the next 2 years to equip this cloud-based EMIS with AI-based analytics tool and validate/test its efficiency-enhancement capability.#(cr)#(lf)Il est essentiel de lier les modèles basés sur les données aux outils de contrôle du système d'information sur la gestion de l'énergie (EMIS) et de la qualité de l'air intérieur (IAQ) pour les exploiter en temps réel et évaluer leurs effets sur les bâtiments dans leur ensemble. Ces effets pourraient être liés aux occupants (par exemple, le confort thermique et la santé), au climat (par exemple, la consommation d'énergie et les émissions), à l'équipement (par exemple, le vieillissement des systèmes CVC) et aux coûts (par exemple, les factures d'énergie, les coûts initiaux , arrêts maladie, etc.). L'objectif du SIGE est de collecter, d'analyser, d'optimiser et de fournir des informations utiles aux opérateurs/contrôles du bâtiment sous la forme d'ajustements recommandés, de problèmes et de rapports. Ceci est particulièrement d'une importance croissante dans les bâtiments sensibles tels que les hôpitaux, les écoles et les usines avec des salles blanches (sous réserve des circonstances COVID-19) pour avoir une vue claire du fonctionnement/des contrôles du bâtiment. L'objectif principal du projet proposé est d'établir la R&D dans l'intégration des technologies d'IA, en particulier des tâches d'analyse prédictive dans le système CVC du bâtiment afin de maintenir le bâtiment sain, confortable et économe en énergie avec de faibles coûts d'exploitation. Le besoin de cette intégration vient de : 1) La disponibilité de données massives liées au système BMS et aux ressources externes (données météorologiques et factures de services publics) enregistrées dans l'EMIS basé sur le cloud, 2) Le besoin croissant de l'industrie d'avoir des analyses en place pour améliorer l'efficacité qui est actuellement limitée par des budgets et des ressources stricts, et 3) la disponibilité d'outils d'analyse de Big Data, d'algorithmes d'apprentissage automatique et de puissantes ressources de calcul pour extraire des modèles des données pour une analyse basée sur la prédiction. Les équipes académiques et industrielles collaboreront au cours des 2 prochaines années pour équiper cet EMIS basé sur le cloud d'un outil d'analyse ba
Program
Alliance Grants
Location
Quebec, Canada
Recipient Type
Academia
Type
Grant
Source
NSERC's Awards Data

As published

Application id
571349-2021
Name nom
Nasiri, Fuzhan
Department département
Building, Civil and Environmental Engineering
Organization id
70
Institution établissement
Concordia University
Province en
Québec
Province fr
Québec
Country en
CANADA
Country fr
CANADA
Fiscal year exercice financier
2021
Competition year année de concours
2021
Award amount
30000
Program id
ALLRP
Program name en
Alliance Grants
Program name fr
Subventions Alliance
Group en
Research partnerships programs
Group fr
Programmes de partenariat
Committee code
96
Committee name en
RPP Internal Decision Cttee
Committee name fr
Cté de décision interne - PPR
Area of application code
802
Area of application group en
Information and communication services
Area of application group fr
Services d'information et de télécommunications
Area of application en
Information systems and technology
Area of application fr
Systèmes d'information et technologie de l'information
Research subject code
2109
Research subject group en
Mechanical engineering
Research subject group fr
Génie mécanique
Research subject en
Mechanical systems and instrumentation
Research subject fr
Instrumentation et systèmes mécaniques
Installment
inst:1
Partie
1
Nb partie
2
Application title
Development of an AI-Based regulatory control for an Energy Management Information System (EMIS) to improve occupants health and comfort
Keyword
NSERC
Application summary
There is a vital need to link data-driven models with Energy Management Information System (EMIS) and Indoor Air Quality (IAQ) control tools to leverage them in real-time settings and evaluate their effects in buildings as a whole. These effects could be occupant related (e.g., such as thermal comfort and health), climate related (e.g., energy usage and emissions), equipment related (e.g., aging of HVAC systems), and cost related (e.g., energy bills, upfront costs, sick leaves, etc.). The EMIS goal is to collect, analyze, optimize, and deliver useful information to the building operators/controls in forms of recommended adjustments, issues, and reports. This is particularly of growing importance in sensitive buildings such as hospitals, schools, and factories with clean rooms (provided the COVID-19 circumstances) to have a clear view of the building operation/controls. The main objective of the proposed project is to establish R&D into the integration of AI technologies, specifically predictive analytics tasks into building HVAC system in order to keep the building healthy, comfortable, and energy efficient with low operating costs. The need for this integration comes from: 1) Availability of massive data related to BMS system and external resources (weather data, and utility bills) recorded in the cloud-based EMIS, 2) The growing need of the industry to have analytics in place to improve efficiency which are currently limited by stringent budgets and resources, and 3) Availability of big data analytics tools, machine learning algorithms, and powerful computational resources to extract patterns from the data for prediction based analytics. The academic and industrial teams will collaborate over the next 2 years to equip this cloud-based EMIS with AI-based analytics tool and validate/test its efficiency-enhancement capability.#(cr)#(lf)Il est essentiel de lier les modèles basés sur les données aux outils de contrôle du système d'information sur la gestion de l'énergie (EMIS) et de la qualité de l'air intérieur (IAQ) pour les exploiter en temps réel et évaluer leurs effets sur les bâtiments dans leur ensemble. Ces effets pourraient être liés aux occupants (par exemple, le confort thermique et la santé), au climat (par exemple, la consommation d'énergie et les émissions), à l'équipement (par exemple, le vieillissement des systèmes CVC) et aux coûts (par exemple, les factures d'énergie, les coûts initiaux , arrêts maladie, etc.). L'objectif du SIGE est de collecter, d'analyser, d'optimiser et de fournir des informations utiles aux opérateurs/contrôles du bâtiment sous la forme d'ajustements recommandés, de problèmes et de rapports. Ceci est particulièrement d'une importance croissante dans les bâtiments sensibles tels que les hôpitaux, les écoles et les usines avec des salles blanches (sous réserve des circonstances COVID-19) pour avoir une vue claire du fonctionnement/des contrôles du bâtiment. L'objectif principal du projet proposé est d'établir la R&D dans l'intégration des technologies d'IA, en particulier des tâches d'analyse prédictive dans le système CVC du bâtiment afin de maintenir le bâtiment sain, confortable et économe en énergie avec de faibles coûts d'exploitation. Le besoin de cette intégration vient de : 1) La disponibilité de données massives liées au système BMS et aux ressources externes (données météorologiques et factures de services publics) enregistrées dans l'EMIS basé sur le cloud, 2) Le besoin croissant de l'industrie d'avoir des analyses en place pour améliorer l'efficacité qui est actuellement limitée par des budgets et des ressources stricts, et 3) la disponibilité d'outils d'analyse de Big Data, d'algorithmes d'apprentissage automatique et de puissantes ressources de calcul pour extraire des modèles des données pour une analyse basée sur la prédiction. Les équipes académiques et industrielles collaboreront au cours des 2 prochaines années pour équiper cet EMIS basé sur le cloud d'un outil d'analyse ba
Concordia University - $30,000 Grant (2021-22) | Canada Spends