Offers “Edf”

Filled Edf

Stage PREVISION DE CAPACITES D'ECHANGES TRANSFRONTALIERES EN EUROPE -MODELE DE MACHINE LEARN H/F (2020-19825)

  • Stage
  • Palaiseau (Essonne)
  • Design / Civil engineering / Industrial engineering

Offre pourvue !

Job description



Description de l'offre

Contexte
L’Europe a l’ambition de décarboner son système énergétique en 2050, cela passe notamment par la mutualisation des atouts de chaque pays européen : production décarbonée, énergie renouvelable, profils de consommation, flexibilités comme le stockage, etc. C’est le réseau et les interconnexions transfrontalières, qui vont permettre ces échanges.
En particulier, pour optimiser la rencontre entre l’offre et la demande en Europe, le marché de l’électricité, et notamment le marché journalier, exécute un algorithme d’optimisation chaque jour qui utilise au mieux les capacités d’échanges transfrontalières, et fournit en sortie des prix de l’électricité dans chaque pays.
Ces capacités d’échanges proviennent des Gestionnaires de Réseaux de Transport, qui calculent chaque jour ce que le réseau peut supporter en termes de flux de puissance. Elles dépendent donc des fondamentaux du système, comme la consommation, la production éolienne, solaire, etc. Ces capacités d’échanges ont un impact fort sur la formation des prix journaliers, il y a donc un enjeu important pour un producteur comme EDF à disposer de prévisions précises de ces capacités d’échanges pour in fine améliorer la qualité de ses modèles de prévisions de prix.
Un outil a été développé à la R&D de EDF pour faire ces prévisions de capacités d’échanges en se basant sur une approche de machine learning
Description de la mission
Ce stage se déroulera en 2 parties :
1.   Prise en main de l’outil existant
Le premier objectif sera de s’approprier l’outil tel qu’il existe, et d’être en capacité de l’utiliser en simulations tests. Cette phase permettra de bien appréhender tous les paramètres qui existent et d’effectuer des études de sensibilités sur la calibration de ces paramètres, en analysant l’impact sur les résultats.
2.   Amélioration des méthodes et des modèles
L’outil actuel possède trois grandes phases : une phase de clustering pour capturer les dynamiques les plus structurantes, une phase de régression pour calibrer des modèles de prédiction sur ces différentes dynamiques, une phase de prévision qui fournit des capacités d’échanges finales, exploitables opérationnellement.
L’objectif est de chercher à améliorer ces différentes phases en fonction des priorités discutées entre les parties prenantes : algorithme de clustering, algorithme de régression, variables explicatives, système de pondération, etc.
Ces travaux seront menés en collaboration étroite avec les membres des équipes réseau et marché d’EDF R&D. Des experts en data-science et modèles de prévision pourront être sollicités.
Le stagiaire aura ainsi l’opportunité de monter en compétences sur le fonctionnement des marchés de l’électricité et du système électrique. Il aura aussi l’occasion d’approfondir ses compétences scientifiques dans les statistiques et le Machine Learning

Ideal candidate profile



Profil souhaité

Le candidat devra présenter des connaissances solides sur les méthodes d’apprentissage statistiques, en particulier sur les différentes méthodes de prédiction et de clustering utilisées dans la littérature.

Le stagiaire devra  être à l’aise et autonome dans la prise en main d’outils informatiques, en particulier la gestion rigoureuse de données.

Le langage Python sera utilisé pour les dimensions statistiques et gestion de données. Il est donc demandé au stagiaire d’avoir une bonne maitrise de cet écosystème.

Doté d’un sens de l’initiative, le stagiaire devra être en mesure de : (a) organiser son travail, ses données et ses études de manière rigoureuse (b) proposer des solutions techniques adaptées au problème et (c) synthétiser et documenter un travail qui se doit d’être réutilisable, que ce soit les résultats ou les outils.

Le stagiaire devra en outre faire preuve de bonnes qualités relationnelles (travail en équipe) et rédactionnelles, de réactivité et d’adaptabilité.

Niveau de diplôme préparé : Ecole d’ingénieur ou Master Universitaire dans le domaine de l’Energie.

Période longue de 4 à 6 mois.
Début souhaité au premier semestre 2021.

Famille de métiers : Mathématiques, Statistiques, Data sciences

Outils informatiques : Python avec packages de data science

Contact

Eli RAKOTOMISA et Cyril GISBERT

Tel : 01 78 19 34 76 et 01 78 19 33 83

E-mail :eli.rakotomisa@edf.fr, cyril.gisbert@edf.fr

Lieu

EDF Lab Paris-Saclay, 7 Boulevard Gaspard Monge, 91120 Palaiseau

Le stagiaire s’intégrera au sein du département EFESE (Economie, Fonctionnement, et Etude du Système Energétique)

Conditions matérielles : Le stagiaire sera rémunéré selon les conventions EDF.