Stagiaire MLLE: Estimation des Charges Transients Éoliens

Siemens Gamesa; Saint-Étienne-du-Rouvray; On-site; EUR 12,000 - 19,000; Full time

Job summary

Siemens Gamesa recherche un stagiaire en ingénierie pour poursuivre le développement d’un outil d’estimation des charges dans le cadre de la validation 0-Series des éoliennes onshore. Le stage allie simulations, traitement de données et machine learning pour interpréter les transitoires de réduction de puissance.

Vous enrichirez le framework MLLE, réaliserez des simulations et validerai les résultats sur données réelles, avec une collaboration étroite avec les experts simulation et contrôle.

Qualifications

• Étudiant(e) en dernière année de cycle ingénieur ou Master 2 en mécanique, énergie, génie éolien, simulation numérique, data science ou domaine équivalent.
• Bonnes bases en mécanique, dynamique des structures ou systèmes énergétiques.
• Intérêt pour la modélisation physique des éoliennes et l’analyse de données expérimentales.

Responsibilities

• Réaliser des simulations aero-servo-élastiques et des cas de référence pour comprendre les charges et les contrôleurs.
• Étudier la modélisation des événements de réduction forcée de puissance (de-rating) et établir des simulations représentatives des transitoires.
• Adapter et entraîner les modèles MLLE pour estimer les charges pendant les transients de puissance.
• Utiliser des données terrains réelles pour identifier des événements représentatifs et comparer charges mesurées et estimées.

Skills

Python

Machine Learning

Data processing

Numerical modelling

Wind energy

Aero-servo-elastic simulations

Control systems

Fatigue analysis

Linux

Education

Master 2 / Ingénierie

Tools

Python

MATLAB

Linux

Git

Job description

Siemens Gamesa recherche un stagiaire en ingénierie pour poursuivre le développement d’un outil d’estimation des charges dans le cadre de la validation 0-Series des éoliennes onshore. Le stage allie simulations, traitement de données et machine learning pour interpréter les transitoires de réduction de puissance.

Vous enrichirez le framework MLLE, réaliserez des simulations et validerai les résultats sur données réelles, avec une collaboration étroite avec les experts simulation et contrôle.