Simulation accélérée de profils de missions de convertisseurs de puissance

CEA; Grenoble; Sur place; EUR 12 000 - 16 000; Plein temps

Avantages offerts par ce poste

Restaurant d'entreprise

Participation aux transports 85%

Résumé du poste

Le CEA Grenoble propose un stage de 6 mois en simulation accélérée des profils de mission des convertisseurs de puissance. Vous développez des méthodes de simulation multiphysiques accélérées par le machine learning et implémentez des modèles de dégradation en Python pour estimer la température et le vieillissement en conditions de surtension.

Le candidat idéal est en Master 2 ou en 3e année d’école d’ingénieur, avec des cours en ML/DL et une expérience en Python et Git.

Qualifications

• Master 2 en génie électrique ou diplôme équivalent
• Cours en machine learning et deep learning suivis
• Expérience ou connaissance de Python et outils de simulation souhaitée

Responsabilités

• Réaliser un état de l’art sur les flux de simulations accélérés de convertisseurs de puissance
• Répertorier les profils de mission typiques dans la littérature et adapter des modèles de simulation
• Implémenter des modèles de dégradation en Python et améliorer la méthodologie de simulation

Connaissances

Machine learning

Deep learning

Python

Git

Formation

Master 2 en université ou 3e année d’école d’ingénieur

Outils

Python

PyTorch

Git

COMSOL

Description du poste

Simulation accélérée de profils de missions de convertisseurs de puissance

Description du poste

Electromagnétisme, génie électrique

Intitulé de l'offre

Simulation accélérée de profils de missions de convertisseurs de puissance

Sujet de stage

Le stage vise à développer méthode de simulation des profils de mission des convertisseurs de puissance, sur la base de simulation multiphysiques accélérées par machine-learning.. L'objectif clé est de réduire leur impact environnementales la phase de conception et d'améliorer in fine leur durée de vie.

Durée du contrat (en mois)

6 mois

Description de l'offre

Description de l'offre

Dans un monde de plus en plus électrifié, les convertisseurs de puissance sont omniprésents. Ces dispositifs transforment l’énergie électrique d’une forme à une autre, comme les chargeurs de smartphones, les onduleurs pour véhicules électriques et les convertisseurs pour énergies renouvelables. Garantir leur fiabilité est crucial, notamment pour surveiller leur état, comprendre leur dégradation et estimer leur durée de vie. Actuellement, des flux de simulation sont explorés pour estimer l’état du convertisseur à partir de capteurs existants, comme ceux mesurant le courant et la tension. Ces méthodes doivent être précises et rapides pour une surveillance en temps réel et peuvent aussi être utilisées lors de la phase de conception.

Ces méthodes impliquent le développement de deux modèles de simulation : un modèle électrique pour estimer les pertes thermiques dans les semiconducteurs et un modèle thermique pour calculer les températures correspondantes. Ces modèles sont souvent remplacés par des modèles de substitution plus rapides, comme des look-up tables ou des réseaux de neurones pour le modèle électrique, et des matrices thermiques pour le modèle thermique.

Votre stage consistera à appliquer cette méthode dans le cas d’un convertisseur SiC, en estimant la dégradation des semiconducteurs en tenant compte de la température et des surtensions de grille. Vous devrez réaliser un état de l’art sur les flux de simulations accélérés, répertorier les profils de mission typiques, adapter les modèles de simulation haute-fidélitédéveloppés dans l’équipe, implémenter des modèles de dégradation en Python, améliorer la méthodologie de simulation et aider à la validation expérimentale des simulations. Une attention particulière sera portée à l’organisation du code, au suivi de versions, à la documentation et à l’analyse critique des résultats.

Vous devrez pour cela:

• Réaliser un état de l’art récent sur les flux de simulations accélérés de convertisseurs de puissance
• Répertorier les profils de mission typiques disponibles dans la littérature
• Adapter les modèles de simulation haute-fidélitédéveloppés dans l’équipe:
  • o modèle électrique avec pertes thermiques et surtensions de grille
  • o modèle thermique
• Utilisation de la méthodologie développée par l’équipe pour entraîner le modèle réduit électrique
• Implémenter des modèles de dégradationen Python
  • o Température de jonction
  • § état de l’art sur les modèles d’accumulation de dommages thermiques
  • § S’il y a lieu, implémentation d’un modèle plus avancé que la Miner’s rule habituellement utilisée
  • o Surtensions de grilles: implémentation d’un modèle d’accumulation de dommages développé par l’équipe
• Amélioration de la méthodologie pour mettre à jour les modèles électriques et thermiques en fonction de la dégradation
• Utilisation de la méthodologie de simulation pour étudier l’influence de différents paramètres sur l’évolution du vie

Moyens / Méthodes / Logiciels

Requis : Simulations SPICE, langage Python Appréciés : COMSOL, recherche bibliographique, Git, Pytor

Profil du candidat

Profil du/de la candidat.e

Vous êtes en cursus de formation de niveau Master 2 en université ou en 3ème année d’école d’ingénieur, dans les disciplines suivantes : génie électrique, électronique de puissance.

Vous avez suivi des cours en machine learning et deep learning et disposez idéalement d’une première expérience dans ces domaines. Toute expérience antérieure dans le domaine de la recherche sera valorisée, notamment la lecture d’articles scientifiques.

Vous faites preuve de rigueur, d’esprit critique, d’autonomie, de curiosité et d’enthousiasme pour résoudre des problèmes ouverts.

Rejoignez-nous, venez développer vos compétences et en acquérir de nouvelles!

Le cadre de travail:

• L'opportunité de travailler au sein d'une organisation de renommée mondiale dans le domaine de la recherche scientifique,
• Un environnement unique dédié à des projets ambitieux au profit des grands enjeux sociétaux actuels,
• Une expérience à la pointe de l’innovation, comportant un fort potentiel de développement industriel,
• Des moyens expérimentaux exceptionnels et un encadrement de qualité,
• De réelles opportunités de carrière à l’issue de votrestage
• Un poste au cœur de la métropole grenobloise, facilement accessible via la mobilité douce favorisée par le CEA,
• Une participation aux transports en commun à hauteur de 85%,
• Un équilibre vie privée – vie professionnelle reconnu,
• Un restaurant d'entreprise,
• Une politique diversité et inclusion,

Conformément aux engagements pris par le CEA en faveur de l'intégration des personnes handicapées, cet emploi est ouvert à toutes et à tous. Le CEA propose des aménagements et/ou des possibilités d'organisation pour l'inclusion des travailleurs handicapés.

Localisation du poste

Critères candidat

Anglais (Intermédiaire)

Formation recommandée

Génie électrique, Electronique de puissance

Référence

2026-41762

Description de l'unité

La laboratoire au sein duquel vous effectuerez votre stage étude et développe des convertisseurs de puissance pour l'énergie et la mobilité électrique.

Entité de rattachement

Le CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat.

Entité de rattachement

Le CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat.

Il apporte des solutions concrètes à leurs besoins dans quatre domaines principaux : transition énergétique, transition numérique, technologies pour la médecine du futur, défense et sécurité sur un socle de recherche fondamentale. Le CEA s'engage depuis plus de 75 ans au service de la souveraineté scientifique, technologique et industrielle de la France et de l'Europe pour un présent et un avenir mieux maîtrisés et plus sûrs.

Implanté au cœur des territoires équipés de très grandes infrastructures de recherche, le CEA dispose d'un large éventail de partenaires académiques et industriels en France, en Europe et à l'international.

Les 20 000 collaboratrices et collaborateurs du CEA partagent trois valeurs fondamentales :

• La conscience des responsabilités
• La coopération
• La curiosité