Thèse CIFRE Apprentissage par renforcement décentralisé

SEGULA Technologies; Reims; Vor Ort; EUR 25.000 - 35.000; Vollzeit

Zusammenfassung

SEGULA Technologies à Reims propose une thèse sur l'apprentissage par renforcement pour optimiser les systèmes de stockage d'énergie renouvelable dans les quartiers d'habitation. Le candidat sera responsable de développer des algorithmes pour la gestion des réseaux électriques afin d’atteindre un maximum d'autonomie.

Les compétences requises incluent l'intelligence artificielle, le deep learning et la gestion durable. Les tâches incluent également la rédaction de rapports annuels et d'articles pour des conférences spécialisées.

Qualifikationen

• Compétences en modélisation de grilles énergétiques.
• Expérience dans la rédaction de rapports et articles académiques.
• Connaissance de systèmes de stockage d'énergie.

Aufgaben

• Développer des algorithmes d'apprentissage par renforcement.
• Gérer une grille électrique pour optimiser la consommation d'énergie.
• Rédiger des rapports et des articles pour des conférences.

Kenntnisse

Intelligence artificielle (IA)

Reinforcement learning

Deep learning

Gestion durable

Énergies renouvelables

Ausbildung

Thèse en intelligence artificielle ou domaine connexe

Jobbeschreibung

Titre de la thèse

Apprentissage par renforcement décentralisé, en vue d’une gestion intelligente des systèmes de stockage pour l’utilisation des ressources d’énergie renouvelable, associés au besoin de consommation : application à un quartier d’habitation. Une part croissante de la production d'énergie électrique est installée au sein des zones d’habitation notamment grâce aux panneaux solaires ou parfois aux éoliennes. Ainsi la gestion du réseau doit passer d’un système centralisé à une gestion localisée. À cela s’ajoute des nouveaux composants, comme l’introduction de la voiture électrique, qui modifient les profils de consommation. Dans un objectif d’autonomie maximale, l’équilibre énergétique entre la production et la consommation électrique locale n’est réalisable qu’en utilisant des moyens de stockage aussi bien électrique que thermique. L’objectif de cette thèse est de rechercher des algorithmes d’apprentissage par renforcement pour la gestion d’une grille électrique (production, consommation, stockage) ayant pour critère un degré d’autonomie maximal. La solution doit être adaptable et adaptative pour prendre en compte les différents profils de comportements. La modélisation de la grille énergétique sous toutes ses facettes est un élément primordial pour cet objectif.

Mots clés : intelligence artificielle (IA), reinforcement learning, deep-learning, smart-grid, énergie renouvelable, gestion durable, écologie.

Vous serez également chargé de rédiger des rapports annuels détaillés ainsi que des articles destinés à des conférences et des journaux spécialisés.