Sujet du stage : AMÉLIORATION ET EXTENSION DE LA LIBRAIRIE DE PROPOSITION D’OFFRE DE DE RACCORDEMENT INTELLIGENTE de SRD

Dans le cadre du projet des offres de raccordement intelligentes, SRD a développé une librairie PYTHON pour aider les ingénieurs dans leurs différentes études.
Cette librairie permet entre autres de prédire l’énergie Non Injecté (ENI) et les dépassements possibles de seuil d’élévation de tension à garantir pour un bon fonctionnement du réseau de distribution en cas de raccordement d’un nouveau producteur HTA ou BT. La librairie développée se base sur des librairies existantes telles que Pandas (pour la manipulation efficace des données), Pandapower (pour la modélisation du réseau électrique), TensorFlow et Keras (pour le développement de réseaux de neurones profond) puparallel (pour de la parallélisation locale de processus).
Sous la direction de l’ingénieur données et automatismes et du Directeur de la Direction des infrastructures et de la stratégie de développement, vos travaux consistent à implémenter des algorithmes nécessaires pour étendre les travaux déjà réalisés.
Concrètement vos missions consistent à :
Appréhender et comprendre la librairie déjà développée
Étendre les algorithmes de prédiction de l’ENI
- Implémenter les algorithmes de prédiction de l’ENI par producteur HTA en cas de raccordement de plusieurs d’entre eux.
- Implémenter les algorithmes permettant un contrôle combiné des producteur HTA et BT
Ajouter des méthodes de parallélisation
- Implémenter une stratégie permettant l’utilisation d’ipyparallel sur les clusters cloud d’Amazon Web Service
Implémenter d’autres méthodes de parallélisation sur la base de librairies telles que Ray, Dask … afin d’offrir à l’utilisateur un large choix en fonction de sa configuration native.
Optimiser et améliorer des modèles de réseaux de neurones développés
Dockériser : Pour faciliter les simulations de Monte Carlo, l’utilisation des conteneurs docker sera investigué. Il s’agira de développer des conteneurs de la librairie (ainsi que toutes les améliorations apportées par les étapes précédentes) afin d’exploiter tout le potentiel de parallélisation possible.

Votre profil : Étudiant(e) en fin d’année du cycle de master ou d’ingénieur en
Numérique (Électricité, Automatique, Data-Science, ML Ops ou autres formations en lien)

Compétences recherchées :

Savoir-faire

- Bonne maîtrise de python
- Bonne maîtrise de l’anglais écrit (B1 et plus)
- Connaissances généralistes en génie électrique sur le fonctionnement d’un système électrique(Appétence pour le domainede l’énergie)
- Connaissances généralistes sur Github, rédaction de documentation python via numpydocs et/ou sphinx, Environnement Notebook (Colab, Jupyter, …)
- Capacité d’analyse, de synthèse et de rédaction

Savoir-être

- Curiosité, goût de l’apprentissage et de l’amélioration continue
- Rigueur, autonomie et créativité
- Capacité d’analyse, de synthèse et de rédaction