En recherche d'une alternance pour votre formation d'Ingénieur généraliste de grande école avec idéalement une spécialisation en mathématiques appliquées, automatique ou mécanique des fluides ?
Vous portez un intérêt pour les mathématiques appliquées, la recherche et l'industrie de l'énergie éolienne ? De nature curieuse avec un goût du travail en équipe et une capacité à travailler en autonomie ?
Venez nous rejoindre !
Dans le domaine de l’énergie éolienne, les exploitants se préoccupent aujourd’hui d’optimiser l’utilisation des éoliennes dans les fermes éoliennes (appelées aussi parc éolien), de manière à soit maximiser la production d’énergie, soit produire l’énergie au bon moment et dans la bonne quantité, afin de satisfaire les besoins du réseau électrique. Cette démarche vise également à limiter la fatigue mécanique des éoliennes du parc, dans le but de minimiser le coût global de l’énergie éolienne. Il est possible de réduire les interactions entre le sillage d’une éolienne et les éoliennes en aval en pilotant l’angle de lacet du rotor de l’éolienne et la puissance produite. Cela permet de minimiser à la fois les pertes de production et la fatigue mécanique au sein de la ferme.
Dans ce contexte, IFPEN développe des algorithmes de contrôle de l’écoulement de ferme éolienne. Le contrôle d’écoulement de ferme est encore en phase émergente et commence à voir les premières expérimentations grandeur nature se concrétiser. Les solutions de contrôle d’écoulement de ferme existant dans la littérature peuvent être classées en deux grandes catégories :
- L’apprentissage renforcé, où la solution optimale est cherchée par essai/erreur sur le système ;
- Des solutions basées sur optimisation via un modèle d’écoulement de ferme.
Pour les solutions basées sur de l’optimisation, il y a besoin d’un écoulement de ferme raisonnablement simplifié pour être intégré dans l’algorithme.
A l’heure actuelle, la plupart des solutions basées sur de l’optimisation utilisent des modèles statiques, mais les chercheurs s’intéressent aussi à l’utilisation de modèles moyenne fidélité qui permettraient de prendre en compte les dynamiques présentes dans l’écoulement et ainsi résoudre un problème de contrôle optimal. Bien que quelques solutions aient émergé, leur intérêt pour l’industrie reste à démontrer.
Dans le domaine de l’énergie éolienne, les exploitants se préoccupent aujourd’hui d’optimiser l’utilisation C’est dans cet environnement de recherche et développement que s’inscrit l’apprentissage. Les objectifs sont les suivants :
1. Identifier les modèles moyennes fidélité taillés pour une utilisation dans un problème de commande optimale parmi la littérature existante et si besoin les adapter ;
2. Développer des solutions de contrôle optimal basée sur des modèles moyenne fidélité, en s’appuyant sur la littérature existante ou en concevant des approches innovantes ;
3. Evaluer l’intérêt de ce type de solutions par rapport aux solutions basées sur modèles statiques, en exploitant des données issues de ferme éoliennes et de simulateurs haute-fidélité.
Ces solutions seront évaluées en simulation et pourraient, en cas de résultats concluants, être testées en soufflerie.
Si on vous dit… Prix Nobel ?
Top 10 mondial des dépôts de brevets pour le recyclage des plastiques ?
Pionnier de la recherche en captage/stockage du CO2 ?
Au cœur de + de 100 partenariats industriels ?
La réponse est IFP Energies nouvelles (IFPEN) !
Venez contribuer à une recherche répondant aux enjeux énergétiques, disposant d'équipements de pointe.
Trouvez du sens en intégrant un collectif engagé au service de la transition écologique.
>>> Rejoignez-nous !
Nous sommes 1600 collaborateurs répartis sur 2 centres de recherche : Rueil-Malmaison (92 - proche Paris) & Solaize (69 - proche Lyon).
L'ouverture et la diversité font notre force.
Intégrez une entreprise inclusive favorisant l'emploi des personnes en situation de handicap.
Vivez l'égalité professionnelle IFPEN = 100 sur 100 sur l'index Egalité femmes-hommes.
Découvrez notre accord télétravail jusqu'à 2,5 jours par semaine.
IFP Energies nouvelles, ensemble pour développer aujourd'hui les innovations de demain.