Veolia Energie et Performance
France
Stage en Machine Learning pour la Gestion Énergétique de Réseaux de Chaleur H/F
Energy OptimizationData Science & Machine LearningSmart Buildings
Publié il y a environ 9 heures
Stage
⏱️4-6 mois
💼Présentiel
📅Expire dans 14 jours
Traduire ≠ tout réécrire.
Description du poste
- Contexte et objectifs: Le chauffage représente une grande part de la consommation d'énergie des bâtiments et, par conséquent, des émissions de CO2. Veolia, en tant que fournisseur de services énergétiques, propose à ses clients des actions d'efficacité énergétique visant à réduire leur consommation de chauffage et ainsi améliorer leur bilan environnemental et économique. Le stage se concentre sur un cas d'application d'un réseau de chaleur exploité par Veolia, qui correspond à un système de chauffage collectif à l'échelle d'un quartier ou d'une ville permettant de distribuer la chaleur, produite de façon centralisée, à plusieurs bâtiments. Il comprend une ou plusieurs unités de production de chaleur, un réseau de distribution primaire dans lequel la chaleur est transportée, et un ensemble de sous-stations d'échange, à partir desquelles les bâtiments sont desservis par un réseau de distribution secondaire. Le stage s'inscrit dans un projet visant à développer un outil d'aide à la décision pour l'optimisation de la distribution de l'énergie dans ce réseau de chaleur. Cet outil fait appel à des modèles de prévision de la puissance thermique et de la température intérieure des bâtiments. Vous aurez comme objectif d'améliorer ces modèles en travaillant sur la classification des bâtiments à l'aide de méthodes de machine learning. Pour ce faire, vous utiliserez les données disponibles, qu'elles soient statiques (par exemple, typologie du bâtiment et des systèmes de distribution de la chaleur) ou dynamiques issues de mesures de capteurs (consommations énergétiques, températures intérieures et extérieures, etc.).
- Données et approche: Le stage s'appuie sur des données qui peuvent être statiques (typologie du bâtiment et des systèmes de distribution de la chaleur) ou dynamiques (mesures de capteurs relatives aux consommations énergétiques, températures intérieures et extérieures, etc.), afin de développer et d'améliorer des modèles de prévision de puissance thermique et de température intérieure des bâtiments par la classification des bâtiments à l'aide de méthodes de machine learning.
- Missions principales: En collaboration directe avec l'équipe projet, vous aurez pour mission de :
- faire une révision bibliographique des méthodes de classification non supervisée des séries temporelles ;
- analyser l'historique des données et utiliser des techniques innovantes pour synthétiser l'information ainsi que la visualiser ;
- implémenter et valider les modèles retenus ;
- valoriser et communiquer le travail à l'équipe.