Optimisation sous incertitudes à l'aide de métamodèles

EDF; Chatou; Sur place; EUR 20 000 - 40 000; Plein temps

Résumé du poste

Une entreprise d'énergie en Île-de-France recherche un stagiaire pour travailler sur l'optimisation de flotteurs éoliens. Ce stage consiste à explorer des méthodes d'optimisation bayésienne en tenant compte des incertitudes environnementales. Le candidat idéal doit avoir des compétences en modélisation numérique et en statistiques, tout en étant capable d'analyser les impacts des conditions météorologiques sur la performance des flotteurs. Ce rôle est essentiel pour améliorer la fiabilité et l'efficacité des systèmes énergétiques.

Qualifications

• Connaissance des méthodes d'optimisation bayésienne.
• Compétences en statistiques et modélisation numérique.
• Capabilité à travailler avec des modèles de simulation.

Responsabilités

• Étudier les approches d'optimisation bayésienne appliquées à la conception de flotteurs.
• Gérer l'incertitude affectant des paramètres d'entrée.
• Identifier les forces et limites des méthodes existantes.

Description du poste

Overview

Au sein d’EDF R&D, le département PRISME propose des solutions innovantes pour améliorer la performance et la sûreté des différents moyens de production d’électricité du groupe EDF. En particulier, le Groupe P17 GAIA héberge la compétence Probabilités et Statistiques pour les Phénomènes Physiques (PSPP) qui développe des méthodes et outils pour modéliser, quantifier et propager les incertitudes au sein de simulateurs numériques, ceci à des fins de maîtrise des risques, d’optimisation des performances en exploitation ou de conception robuste des moyens de production.

EDF R&D s’efforce de proposer des conceptions de flotteurs qui allient compétitivité et robustesse, notamment à travers l’amélioration de la maîtrise des incertitudes environnementales affectant le comportement de ces systèmes dynamiques. Pour ce faire, des codes de simulation numérique (souvent multi-physiques) permettent de modéliser le comportement d’un flotteur, face à des conditions environnementales données. Ce sujet de stage porte sur la conception et l’optimisation de flotteurs éoliens en présence d’incertitudes (ARISTONDO et al., 2025), aussi appelée conception « robuste » ou « sous incertitudes » (DUBOURG et al., 2011). En phase de conception, ces approches cherchent à maximiser la performance du système, tout en minimisant l’impact des conditions environnementales incertaines sur la performance en garantissant la fiabilité du système.

Les incertitudes associées aux sorties d’intérêt d’un système modélisé tel qu’une éolienne (par exemple : sa stabilité ou sa résistance mécanique) résultent des incertitudes environnementales qui lui sont appliquées (par exemple : conditions de vent et de houle d’un site). Elles peuvent être quantifiées en réalisant une propagation des incertitudes d’entrée au travers d’un code de calcul qui modélise la physique du système. Cependant, cette étape nécessite un grand nombre d’évaluations de ce modèle numérique, qui requièrent chacune un coût de calcul important (et ce, malgré l’utilisation de supercalculateurs). En contournement, les méthodes d’optimisation bayésienne substituent le modèle numérique du système par un modèle d’apprentissage statistique (ou « métamodèle »), construit à partir d’un premier ensemble d’évaluations (ou plan d’expériences) du code de calcul. Compte tenu des budgets de calcul limités, l’enjeu réside dans le choix d’une base d’apprentissage judicieuse, ainsi qu’une stratégie d’enrichissement itérative de cette base pour construire un métamodèle dédié à l’optimisation.

L’objectif de ce stage sera d’étudier les approches existantes d’optimisation bayésienne pouvant être appliquées à la conception de flotteurs d’éoliennes, en tenant compte de l’incertitude affectant une partie des paramètres d’entrée, et sujette à diverses contraintes (dont une partie comportant l’estimation de probabilités d’événement rares), afin d’en identifier les points forts respectifs ainsi que les limites et les verrous sur lesquels travailler