Stage Optimisation Stochastique de la Distribution de Chaleur H/F

Veolia; Aubervilliers; Sur place; EUR 20 000 - 40 000; Plein temps

Résumé du poste

Une entreprise de services environnementaux recherche un stagiaire en optimisation stochastique de la distribution de chaleur. Vous serez impliqué dans la conception de stratégies pour évaluer les incertitudes et participerez au développement de solutions. Une formation Bac +4/5 est requise, avec des compétences en recherche opérationnelle et programmation Python. Un bon niveau d'anglais est nécessaire et le stage commence le 12 février 2025.

Qualifications

• Compréhension des enjeux et besoins du projet.
• Conception et définition de stratégies d'évaluation des incertitudes.
• Évaluation et réutilisation de codes existants.

Responsabilités

• Travailler avec les experts métiers et data scientists.
• Développer et tester des solutions techniques proposées.
• Documenter les solutions et résultats obtenus.

Connaissances

Recherche opérationnelle

Développement informatique

Programmation en Python

Connaissance de Google Cloud Platform

Système d'exploitation Linux

Bonne communication

Capacité d'analyse

Sens de l'initiative

Rigueur

Maîtrise de l'anglais

Formation

Formation Bac +4/+5 en recherche opérationnelle ou mathématiques appliquées

Description du poste

Stage Optimisation Stochastique de la Distribution de Chaleur H/F

- ObjectifsUn réseau de chaleur est un ensemble d'installations constitué de zones de production d'énergie thermique et de canalisations permettant d'acheminer la chaleur produite vers un ensemble de bâtiments. Plusieurs facteurs peuvent impacter les décisions relatives à l'exploitation de ce mode de chauffage, tels que les évolutions des prévisions météorologiques, d'offre, de demande, et d'autres variables. Les modèles de prévisions susceptibles d'être utilisés pour le pilotage de tels systèmes incluent donc des incertitudes inhérentes à ces variables. Il est primordial de prendre en compte les différentes sources d'incertitudes afin d'augmenter la robustesse des solutions proposées par nos outils d'aide à la décision.L'objectif de ce stage est d'étudier l'impact de l'intégration de la considération des incertitudes dans un modèle d'optimisation existant. La conception d'une approche d'optimisation stochastique a été initiée lors d'un précédent stage. Une analyse des résultats sur des données réelles de plusieurs bâtiments est nécessaire pour valider la pertinence de la méthodologie.- Missions principalesRattaché(e) à l'équipe Calculs Scientifiques et Modélisation, vous travaillerez en étroite relation avec les experts métiers, les data scientists, les ingénieurs en optimisation mathématique et les développeurs. Les missions principales seront :- Prendre connaissance des outils informatiques utilisés par le groupe ainsi que de la documentation existante.- Comprendre les enjeux et les besoins du projet dans lequel vous interviendrez.- Concevoir et définir le(s) stratégie(s) d'évaluation de la prise en compte de l'incertitude en lien avec les différents acteurs du projet (data scientists, experts métier).- Analyser conceptuellement les choix techniques et les justifier.- Évaluer et réutiliser des codes et documents créés lors de travaux précédents.- Développer et tester les solutions techniques proposées.- Documenter les solutions et les résultats obtenus.

Date de début

12 févr., 2025

Expérience

- FormationEn cours de formation Bac +4/+5 en recherche opérationnelle, mathématiques appliquées ou/et école d'ingénieur.- Vos compétences- Recherche opérationnelle (optimisation stochastique et/ou robuste)- Une bonne connaissance du développement informatique et de la programmation en Python est requise- La connaissance des produits Google Cloud Platform serait appréciée- Familiarité avec le système d'exploitation Linux- Vos qualités, votre savoir-être- Bonne communication pour l'évaluation du besoin et des objectifs- Capacité d'analyse et de synthèse- Sens de l'initiative- Rigueur, réactivité- Aptitude à travailler en équipe- Maîtrise de l'anglais