Le 24/04/2019 par Taha :

Contexte

Le stockage de l’énergie constitue aujourd’hui une des solutions technologiques les plus favorables pour la réduction de l’empreinte carbone. L’utilisation des énergies renouvelables dépendait, jusqu’à récemment, d’une utilisation instantanée, de par la difficulté du stockage de l’énergie.

Le stockage peut être utilisé aujourd’hui pour l’autoconsommation et la régulation du réseau électrique. Cette dernière, souvent oubliée, est pourtant essentielle. Un réseau électrique non régulé ne fonctionne pas : un réseau ponctionné, sans réajuster la génération à la hausse, fait baisser la fréquence avec un risque majeur de black-out et vice versa.

Aujourd'hui, la régulation du réseau est opérée par RTE : pour la fréquence, la régulation s'opère à l'échelle globale, tandis que pour la tension, la régulation s'opère à l'échelle locale. Demain, dans certaines conditions, la régulation pourra s'opérer au stade de la consommation avec un grand nombre d'avantages associés.

Dans ce contexte, le candidat sera accueilli dans le cadre du projet Irèd où l'objectif est de concevoir des approches d’analyse de données provenant d’un ensemble d’installations en vue d’optimiser la consommation énergétique dans plusieurs scénarii. Ces approches, centralisées et distribuées, doivent être capables de prendre en considération les diverses contraintes des installations. Ceci passera par plusieurs étapes dans lesquelles un échange et une collaboration étroite avec les partenaires industriels et l’organisme de régulation RTE sont à mener. Le candidat intégrera une équipe de recherche et de développement composée d’ingénieurs, d’ingénieurs de recherche, d’enseignants chercheurs appartenant à plusieurs partenaires du projet.

Missions

Les missions principales du candidat sont les suivantes :

• Récolter, filtrer et analyser des données de diverses types et format provenant d’un ensemble d’installations électriques,
• Concevoir et implémenter des méthodes d’optimisation hybridées avec des approches en machine learning,
• Effectuer des tests sur le terrain afin de valider les méthodes développées,
• Collaborer avec les partenaires du projet afin d’intégrer les méthodes développées dans le système intelligent global.

Compétences

Le candidat doit être titulaire d’un master ou d’un doctorat en recherche opérationnelle ou en informatique. La bonne maîtrise des méthodes de machine learning, de data analystics et d’optimisation. Le candidat doit avoir des bases solides en programmation (de préférence C++ ou Java) et il est préférable d’avoir une bonne connaissance sur les single-board computers (comme Raspberry PI).

Durée

12 mois avec possibilité d’extension.

Date de début prévue

1 septembre 2019

Lieu d'exercice

Laboratoire LOSI-UTT en partenariat avec un industriel local

Rémunération

30k-40k brut.

Candidatures

Toute candidature est à envoyer à taha.arbaoui@utt.fr et à farouk.yalaoui@utt.fr. Les dossiers de candidatures doivent contenir un CV, une lettre de motivation, le dernier diplôme obtenu et des lettres de recommandation. D’autres pièces pouvant renforcer la candidature peuvent également être jointes.

La date limite des candidatures est le 15 mai 2019.