Nouveau Edf

Thèse - Modélisation en puissance des usages électriques domestiques en utilisant de l'Intelligence Artificielle - H/F

  • Thèse
  • Moret-Loing-et-Orvanne (Seine-et-Marne)
  • Master, Titre d'ingénieur, Bac +5
  • Études / Statistiques / Data

Description de l'offre

La thèse s'inscrit dans le cadre d'une collaboration entre EDF R&D et le laboratoire CMLA de l'ENS Paris Saclay autour de la modélisation des usages électriques domestiques. La variété des équipements domestiques rencontrés ainsi que leur contexte d'utilisation tout aussi foisonnant nécessite de traiter un volume très conséquent de donnée. Dans ce contexte, l'utilisation de méthodes issues de l'apprentissage automatique en Intelligence Artificielle semble un bon moyen pour traiter ces données de mesures enrichies des connaissances sur les usages afin d'extraire les informations qui seront nécessaires pour atteindre l'objectif de modélisation.

Les résultats attendus pour cette thèse sont :

- un modèle fin, bottom-up, techno-explicite en puissance des usages spécifiques du secteur résidentiel français validé et opérationnel fondé notamment sur la mise en oeuvre de techniques issues du monde de l'Intelligence Artificielle ;

- la mise en oeuvre concrète de ce modèle dans des cas d'usages et en particulier pour des scénarios prospectifs d'évolution de la demande en puissance.

Profil recherché

La formation du (ou de la) candidat (e) et compétences requises du (ou de la) candidat? sont :

- Diplôme d'école d'ingénieur ou de 3e cycle universitaire.

- Compétences scientifiques indispensables : mathématiques appliquées, modélisation statistique, informatique scientifique, Machine Learning

-  Programmation Python avancée et notamment maîtrise des librairies Pandas, Scikit Learn, Keras Tensorflow

La thèse proposée se déroulera d'une part sur le site EDF Lab des Renardières à Moret-sur-Loing (Seine-et-Marne) au sein du Département Technologies et Recherche pour l'Efficacité Energétique à partir de septembre 2018 et au sein du CMLA de l'ENS Paris Saclay