Machine Learning pour la Prévision de Capacités d'Échanges Transfrontaliers en Europe H/F - EDF Palaiseau - 91

Contexte
L'Europe vise à décarboner son système énergétique d'ici 2050 en utilisant les atouts de chaque pays : production décarbonée, énergies renouvelables, profils de consommation, stockage, etc. Les réseaux et interconnexions transfrontalières facilitent ces échanges. Un algorithme d'optimisation quotidien (Euphemia) utilise les capacités d'échanges transfrontaliers pour fixer les prix de l'électricité dans chaque pays.
Les Gestionnaires de Réseaux de Transport calculent les capacités d'échanges horaires en fonction de la consommation, de la production éolienne, solaire, etc. Ces capacités influencent fortement les prix journaliers, d'où l'importance pour EDF de disposer de prévisions précises. La R&D d'EDF a développé des outils de prévision, dont EXPECT, utilisé quotidiennement par EDF Trading.
Pour certaines frontières, les échanges possibles prennent la forme non de capacités en MW par frontière, mais d'un jeu de contraintes linéaires délimitant les combinaisons acceptables de positions nettes de plusieurs pays (domaines « flow-based »).
Le stage consiste à proposer une méthode de clustering de ces domaines, en développant une mesure de distance adéquate et/ou une représentation simplifiée. Cette méthode permettra d'identifier des créneaux horaires représentatifs de l'état du réseau européen en termes de capacités d'échanges, et d'améliorer les performances de loutil EXPECT.
Description de la mission :
Le stage comporte trois axes principaux :
1. Analyse exploratoire et inventaire des méthodes de clustering :
Métriques de distance (échantillonnage, approximation de surfaces convexes, sélection de points caractéristiques)
Algorithmes de clustering

2. Implémentation et évaluation des méthodes, proposition de clustering en domaines typiques selon les fondamentaux du système (consommation, production renouvelable).
3. Test en environnement réel, intégration dans EXPECT et éventuellement dans les études moyen/long terme
Ces travaux seront réalisés en collaboration avec les équipes réseau et marché d'EDF R&D et des experts en data science. Le stagiaire se formera ainsi au fonctionnement des marchés de l'électricité et du système électrique.

Profil souhaité :
Le candidat devra présenter des connaissances solides sur les méthodes d'apprentissage statistiques, en particulier sur les différentes méthodes de clustering utilisées dans la littérature. Des notions en développement logiciel et sur le fonctionnement des marchés de l'électricité européens seront très appréciées.
Le stagiaire devra être à l'aise et autonome dans la prise en main d'outils informatiques, en particulier la gestion rigoureuse de données. Le langage Python sera utilisé pour les dimensions statistiques et gestion de données. Il est donc demandé au stagiaire d'avoir une bonne maîtrise de cet écosystème.
Doté d'un sens de l'initiative, le stagiaire devra être en mesure de : (a) organiser son travail, ses données et ses études de manière rigoureuse (b) proposer des solutions techniques adaptées au problème et (c) synthétiser et documenter un travail qui se doit d'être réutilisable, que ce soient les résultats ou les outils.
Le stagiaire devra en outre faire preuve de bonnes qualités relationnelles (travail en équipe) et rédactionnelles, de réactivité et d'adaptabilité.

Niveau de diplôme préparé :
Ecole d'ingénieur ou Master Universitaire dans le domaine de la Data Science et / ou de l'Energie.
Période longue de 5 à 6 mois.
Début souhaité à partir de mi-mars 2025.
Famille de métiers : Optimisation, Statistiques, Data sciences

Contacts :
Benoît VALENTIN - ****@****.**
Laure CAREL - ****@****.**

Lieu : EDF Lab Paris-Saclay, 7 Boulevard Gaspard Monge, 91120 Palaiseau
Conditions matérielles : Le stagiaire sera rémunéré selon les conventions EDF