Chargé d'études : Clustering de topologies pour la régression symbolique - F/H

Stage
R&D Innovation
Ile de France
Master 2 ou diplômé d'école
St-22-1254
arrow

Présentation de RTE

RTE, gestionnaire du réseau de transport d’électricité français, assure une mission de service public : garantir l’alimentation en électricité à tout moment et avec la même qualité de service sur le territoire national grâce à la mobilisation de ses 9500 salariés. RTE gère en temps réel les flux électriques et l'équilibre entre la production et la consommation. RTE maintient et développe le réseau haute et très haute tension (de 63 000 à 400 000 volts) qui compte plus de 100 000 kilomètres de lignes aériennes, plus de 6 000 kilomètres de lignes souterraines, 2 800 postes électriques en exploitation ou co-exploitation et 51 lignes transfrontalières. Le réseau français, qui est le plus étendu d’Europe, est interconnecté avec 33 pays. En tant qu’opérateur industriel de la transition énergétique, RTE optimise et transforme son réseau pour raccorder les installations de production d’électricité quels que soient les choix énergétiques futurs. RTE, par son expertise et ses rapports, éclaire les choix des pouvoirs publics.

Description de l'offre

Lieu : La Défense
Durée et/ou période du stage : 6 mois à partir de mars

 

En tant que stagiaire, vous serez intégré(e) au sein du pôle Pilotage du Système (PilS) de la Direction de la R&D de RTE. Ses principales activités concernent la réalisation d’études prospectives, la fourniture d’expertise sur le fonctionnement des réseaux électriques et le développement d’outils d'étude et d'exploitation du réseau. Il participe à de nombreux projets de recherche internationaux, en particulier Européens.

 

Contexte du stage :

Vous aimez la data science ? Vous recherchez un projet qui ait un vrai impact de progrès sur la société dans laquelle vous vivez ? Vous voulez découvrir de quoi les interfaces homme-machine du monde de demain seront faites ? Rejoignez-nous dans l’équipe de recherche du pôle Pilotage du Système et venez plonger au coeur d’une alchimie subtile entre la machine et l’humain : une machine capable d’analyse intelligente et adaptative de systèmes complexes venant alimenter et augmenter les prises de décisions stratégiques des opérateurs du réseau électrique. Quand certains imaginent le cockpit d’avion du futur, nous imaginons les systèmes de conduite du futur du réseau électrique. Et sachez que plus rapide qu’un TGV ou qu’un avion, vous avez la propagation d’énergie ! Le réseau électrique est un système interconnecté très étendu, très dynamique et extrêmement complexe, crucial pour l’économie européenne. Ce qui en fait un sujet d’étude très vaste, touchant à tous les champs des mathématiques appliquées (optimisation, statistiques, machine learning, data mining, théorie des graphes, traitement du signal...) et de fait particulièrement stimulant. Vous travaillerez au sein d’une équipe multidisciplinaire, entre pratique côté réseau électrique et théorie mathématiques.

 

Description des objectifs :
L’électricité est une ressource non stockable. Il est donc nécessaire à tout instant de faire transiter toute l’électricité produite depuis les zones de productions vers les consommateurs. Pour ce faire, les opérateurs agissent notamment sur la connectivité des éléments du réseau au travers d’actions dites topologiques pour rediriger les flux électriques. Dans un contexte de croissance de l’activité quotidienne des opérateurs (intégration des énergies renouvelables intermittentes, augmentation des échanges frontaliers, …), il devient nécessaire de mieux synthétiser l’information qui leur est restituée en leur fournissant des informations contextualisées au bon moment dans leur processus de prise de décision, ceci afin de sélectionner les actions maintenant le réseau en sécurité à tout instant. Pour répondre à ces
objectifs, des travaux de R&D ont déjà permis de segmenter par des méthodes de clustering le réseau électrique français en zones électriquement cohérentes [1] pour, par exemple, réduire la taille des zones étudiées par les opérateurs. Par ailleurs, d'autres travaux ont proposé d’utiliser la régression symbolique pour générer des expressions mathématiques décrivant de manière simplifiée les relations entre les transits électriques et des observations d’une zone prédéfinie [2]. Or, ces travaux ont montré une dépendance forte à la topologie, que des méthodes de clustering savent correctement gérer.
Ce stage aura pour objet de construire des expressions capables de prendre en compte la variabilité de la topologie du réseau au cours du temps en employant successivement des méthodes de clustering et de régression symbolique. Dans un premier temps, il sera nécessaire d’identifier des clusters de topologies d’une zone donnée. Plusieurs années de données historiques de prévisions et de réalisations pourront être utilisées pour réaliser un clustering des différentes topologies. Dans un second temps, des méthodes de régression symbolique seront appliquées au sein de chaque cluster obtenu pour créer des expressions symboliques à partir des observations de la zone. In fine, les expressions construites pourraient, par exemple, venir enrichir les outils de surveillance du réseau électriques par de nouvelles grandeurs dont l’évolution serait suivie au cours du temps, ou encore pour synthétiser l’état d’une zone à un opérateur.


[1] HENKA, Noureddine, FRANCOIS, Quentin, TAZI, Sami, et al. Power grid segmentation for local topological controllers. Electric Power Systems Research, 2022, vol. 213, p. 108302.


[2] CROCHEPIERRE, Laure, BOUDJELOUD-ASSALA, Lydia, et BARBESANT, Vincent. Interpretable dimensionally-consistent feature extraction from electrical network sensors. In : Joint European Conference on Machine Learning and Knowledge Discovery in Databases. Springer, Cham, 2020. p. 444-460.

Profil recherché

Profil recherché

Profil recherché :

Vous êtes actuellement étudiant(e) 3ème année d'école d'ingénieur, ou en Master 2 d'université dans le domaine des mathématiques appliquées ou de machine learning.


Compétences recherchées :

Connaissances Machine Learning/Intelligence Artificielle/Data Science, un goût prononcé pour la recherche et les méthodes d’analyse de données. Maîtrise d’un langage de programmation associé : Python. Des connaissances en théorie des graphes sont appréciées. Des connaissances génériques sur les réseaux électriques seraient un plus.

RTE conduit une politique active en faveur de l'égalité des chances des personnes handicapées, par son accord du 4 mars 2021, l'entreprise réaffirme son engagement. Si vous êtes dans cette situation, n'hésitez pas à nous faire part de vos éventuels besoins spécifiques afin que nous puissions les prendre en compte.

Les défis que relève RTE vous motivent ?