Stage m2 – prévision de production photovoltaïque par ia / apprentissage profond f/h

STAGE M2 – Prévision de production photovoltaïque par apprentissage profond

Contexte

Ces dernières années, les énergies renouvelables se sont fortement développées dans le monde, et notamment en France. La percée des énergies comme l’éolien ou le photovoltaïque peut cependant poser des problèmes de gestion du réseau électrique, pour lequel la production et la consommation doivent s’équilibrer à tout instant : leur caractère intermittent rend leur production difficilement anticipable. Des outils de prévision de production à différentes échelles spatio-temporelles sont donc nécessaires pour faciliter leur inclusion dans le réseau.

EDF a développé de tels outils, se fondant sur des données météorologiques prévues ou observées localement ou par télédétection (observation par satellites). Ainsi, une méthode de prévision de la production photovoltaïque à très court terme (jusqu’à quelques heures) utilisant des images de satellites géostationnaires a été conçue à EDF R&D et mise en œuvre dans diverses directions de l’entreprise. Cette méthode repose sur de l’apprentissage statistique (par forêts aléatoires) du lien entre les images et la production, l’aspect prévisionnel étant pris en charge par une estimation du mouvement des nuages par flot optique.

Au vu du succès des techniques d’apprentissage profond dans divers domaines, il semble néanmoins que les performances de cette prévision soient améliorables, par exemple en s’appuyant sur des réseaux de neurones récurrents ou à base de transformer.



Objectif

L’objectif de ce stage est de développer une nouvelle méthode de prévision de production photovoltaïque à l’échelle départementale et/ou d’un parc à partir d’images satellites, en s’appuyant sur les techniques de l’état de l’art en apprentissage profond.

Le stagiaire sera amené à travailler sur :

1. Analyse bibliographique de l’état de l’art sur les méthodes d’apprentissage profond pour la prévision
2. Mise en place d’un modèle de Deep Learning
3. Application du modèle sur un département et/ou un parc
4. Evaluation des performances et comparaison à la méthode utilisée en interne
5. Rapport de stage et présentation des travaux

.

Modalités du stage :

* Durée : 6 mois (à partir d’avril 2025)
* Localisation : EDF Lab Chatou



Contacts:

Bruno charbonnier

Stephane Chassaigne



Profil souhaité :

* 3ème année d’Ecole d’ingénieurs, Master 2
* Formation : Intelligence artificielle, Computer Vision, Machine Learning, data science

Les compétences souhaitées sont les suivantes :

* Connaissance en apprentissage profond, traitement d’images
* Connaissances en programmation en langage Python (Tensorflow ou Pytorch)
* Connaissances en Java/C serait un plus.
* Connaissances en traitement du signal et en analyse de données notamment les techniques d’apprentissage sur les données,
* Environnement de travail Linux ou Windows
* Curiosité intellectuelle, esprit critique, autonomie, bonnes capacités d’analyse et de synthèse, sens de l’initiative