RTE - Réseau de transport d'électricité
Stage PFE - Utilisation des graph neural networks pour l'optimisation de la topologie du réseau RTE - F/H
Job Location
Puteaux, France
Job Description
Lieu : La Défense (92)
Durée de stage : 6 mois
L'intégration croissante des énergies renouvelables et les nouveaux usages de l'électricité ont profondément changé la façon dont les flux d'électricité sont répartis sur le réseau de transport d'électricité, rendant les décisions des opérateurs plus difficiles. Les méthodes traditionnelles d'optimisation n'étant pas assez rapides, le département R&D de RTE explore l'apprentissage profond pour proposer des actions en temps réel. En raison de la variabilité de la structure de graphe du réseau (ouverture de lignes, consignations d'ouvrages, constructions de nouveaux projets...), nous utilisons des graphs donc la topologie varie et sur lesquels nous appliquons des Graph Neural Networks (GNN).
Nous souhaitons entraîner nos modèles GNN à optimiser la topologie du réseau (optimisation combinatoire), afin d'assister les opérateurs dans leurs prises de décision. Votre mission sera d'adapter notre pipeline d'apprentissage à des problèmes d'optimisation combinatoire, d'en évaluer les performances, et d'y proposer des améliorations.
En tant que stagiaire vous serez intégré(e) au sein d'un groupe de recherche du pôle Pilotage du réseau, spécialisé dans les GNN appliqués au réseau électrique, dont l'expertise s'étend de la théorie, à l'implémentation et à l'industrialisation.
Missions
* S'approprier le pipeline existant d'apprentissage de GNN pour l'opération du réseau électrique
* Faire un état de l'art de l'optimisation combinatoire, et de son traitement par apprentissage profond.
* Implémenter un "toy problem" (problème simplifié) d'optimisation combinatoire simple, le connecter au pipeline d'apprentissage des GNN, et estimer la performance des modèles appris.
* Implémenter le vrai problème d'optimisation de la topologie détaillée sur une petite zone du réseau RTE, le connecter au pipeline d'apprentissage des GNN, et estimer la performance des modèles appris.
Location: Puteaux, FR
Posted Date: 11/27/2024
Durée de stage : 6 mois
L'intégration croissante des énergies renouvelables et les nouveaux usages de l'électricité ont profondément changé la façon dont les flux d'électricité sont répartis sur le réseau de transport d'électricité, rendant les décisions des opérateurs plus difficiles. Les méthodes traditionnelles d'optimisation n'étant pas assez rapides, le département R&D de RTE explore l'apprentissage profond pour proposer des actions en temps réel. En raison de la variabilité de la structure de graphe du réseau (ouverture de lignes, consignations d'ouvrages, constructions de nouveaux projets...), nous utilisons des graphs donc la topologie varie et sur lesquels nous appliquons des Graph Neural Networks (GNN).
Nous souhaitons entraîner nos modèles GNN à optimiser la topologie du réseau (optimisation combinatoire), afin d'assister les opérateurs dans leurs prises de décision. Votre mission sera d'adapter notre pipeline d'apprentissage à des problèmes d'optimisation combinatoire, d'en évaluer les performances, et d'y proposer des améliorations.
En tant que stagiaire vous serez intégré(e) au sein d'un groupe de recherche du pôle Pilotage du réseau, spécialisé dans les GNN appliqués au réseau électrique, dont l'expertise s'étend de la théorie, à l'implémentation et à l'industrialisation.
Missions
* S'approprier le pipeline existant d'apprentissage de GNN pour l'opération du réseau électrique
* Faire un état de l'art de l'optimisation combinatoire, et de son traitement par apprentissage profond.
* Implémenter un "toy problem" (problème simplifié) d'optimisation combinatoire simple, le connecter au pipeline d'apprentissage des GNN, et estimer la performance des modèles appris.
* Implémenter le vrai problème d'optimisation de la topologie détaillée sur une petite zone du réseau RTE, le connecter au pipeline d'apprentissage des GNN, et estimer la performance des modèles appris.
Location: Puteaux, FR
Posted Date: 11/27/2024
Contact Information
| Contact | Human Resources RTE - Réseau de transport d'électricité |
|---|