Stage - Modélisation Data Driven du comportement thermique des batteries Lithium F/H

Orange SA; Le Rhu; Sur place; EUR 40 000 - 60 000; Plein temps

Résumé du poste

Une entreprise de télécommunications recherche un étudiant pour développer un modèle prédictif sur la durée de vie des batteries. Vous serez impliqué dans la collecte de données et la validation du modèle en conditions réelles. Des compétences en IA et programmation sont requises, ainsi qu'une bonne maîtrise de l'anglais. Rejoignez une équipe dynamique et passionnée par l'innovation.

Qualifications

• Passion pour les énergies renouvelables et l'innovation.
• Compétences rédactionnelles adaptées à des rapports techniques.
• Capacité à travailler de manière autonome.

Responsabilités

• Construire un modèle data driven pour le comportement thermique des batteries.
• Valider le modèle sur un environnement réel.
• Contribuer à la mise en place d'expérimentations.

Connaissances

Connaissance de l’IA (machine learning, deep learning)

Langages de programmation python/matlab

Anglais de bon niveau

Description du poste

about the role

Contexte de la mission

Les batteries constituent un élément clé pour assurer la disponibilité du réseau mobile: sur les sites on-grid, elles assurent la continuité de service en cas de coupure ; sur les sites off-grid, elles assurent le stockage de l’énergie produite par les panneaux solaires.

Ce sont des équipements onéreux et complexes. Dans une logique environnementale (réduction des émissions de Gaz à Effet de Serre) et financière, Orange souhaite maximiser la durée de vie de ses batteries, sans altérer la disponibilité des services.

Par ailleurs, dans un contexte de changement climatique, la question de la résilience se pose. En effet, les batteries au lithium sont des équipements qui peuvent cesser de fonctionner au-delà d’une certaine température. Enfin, si la relation entre la durée de vie des batteries est complexe en raison de la nature des phénomènes physico-chimiques, elle est clairement avérée.

Qu'elles soient déployées seules en armoire ou conjointement avec des équipements d’énergie (redresseurs), les batteries sont soumises à des contraintes thermiques dites sévères (variations de température, températures extrêmes).

Pour maximiser leur durée de vie, et éviter toute perte de service, il est nécessaire de disposer d’un modèle prédictif: il s’agit de prédire la température des cellules des batteries. La résolution des équations physiques et chimiques couplées n’est pas envisageable.

Ce que nous attendrons de toi :

Tu construiras un modèle data driven (ARX, deep learning, etc) représentant le comportement thermique des batteries à partir de données recueillies sur un banc expérimental. Ce modèle sera ensuite validé sur un environnement réel. Tu pourras également contribuer à la mise en place des expérimentations et instrumentations sur le banc d’essai.

about you

Nous recherchons un.e étudiant.e réactif.ve, engagé.e et passionné.e " David et Brian, experts en énergétiques

Tes compétences techniques :

• Connaissance de l’IA (machine learning, deep learning)
• Langages de programmation python/matlab
• Connaissances en physique et métrologie sont un plus
• Anglais de bon niveau
• Qualités rédactionnelles

Et en plus :

• Tu es à l'écoute et sais suivre les instructions.
• Tu es autonome, curieuse/curieux et ouvert.e au monde des technos autour de toi.
• Tu oses poser des questions pour comprendre et trouver des solutions.
• Tu es à l'aise à l’oral et à l'écrit.

L'équipe est impatiente de te rencontrer !