Offre de Stage en Génie électrique

**Méthodes d’intelligence artificielle pour le diagnostic des défauts dans l’appareillage électrique moyenne et haute tension**

**“Artificial intelligence methods for fault diagnosis in medium and high voltage switchgear”**

**Contexte général**:
La transition énergétique est un enjeu socio-économique majeur du 21ème siècle. Cette transition ne peut se faire sans développer et mettre en place des réseaux de transport d'énergie fiables à faible empreinte environnementale. Les réseaux haute tension à courant continu (HVDC) et moyenne tension à courant continu (MVDC) du futur permettront de transporter l'énergie électrique sur de longues distances avec un minimum de pertes. Ils offrent également une meilleure gestion des flux de puissance provenant des différentes sources des énergies renouvelables. La fiabilité des réseaux et la qualité d'énergie électrique dépend fortement de celle des systèmes d'isolation. Dans l’appareillage électrique moyenne et haute tension, les systèmes d’isolation sont exposés à des contraintes de champ électrique intense, appliquées sur des structures d'isolation complexes impliquant des interfaces, des points triples entre différents milieux isolants (liquide, solide, gaz). Suite à un renforcement du champ électrique, ou la dégradation de l’isolation, ces systèmes peuvent être le siège de « décharges partielles ». Le suivi de la santé des équipements du réseau électrique est indispensable afin de garantir une bonne qualité d’énergie électrique. Ce suivi est fait notamment en intégrant des capteurs et des systèmes de monitoring « intelligents » afin d’évaluer la nécessité ou non de maintenance et connaitre la nature de défauts. Certains capteurs mesurent les phénomènes de décharges partielles qui apparaissent lors de la présence d’un défaut (présence de protrusion, vieillissement ). Afin de déterminer le niveau de risque lié à ce défaut et sa nature et donc d’estimer si une maintenance est nécessaire, il faut être capable d’analyser avec précision les signatures des décharges partielles mesurées.

**Objectifs / mission**:
Ce projet propose d’utiliser les méthodes d’intelligence artificielle pour le diagnostic et la classification des sources de décharges partielles dans l’appareillage moyenne et haute tension. Au sein du **Laboratoire Ampère à l’Ecole Centrale de Lyon**, vous allez être amenés à:

- Effectuer une recherche bibliographique sur les techniques de mesure et de diagnostic de décharges partielles dans l’appareillage moyenne et haute tension.
- Mettre en place un banc expérimental pour la mesure de décharges partielles sous haute tension alternative ou continue avec différents types de capteurs.
- Construction d’une base de données des signaux issus des différents capteurs pour les différentes sources de décharges partielles.
- Développement d’un code Python pour le traitement des signaux et l’utilisation de différentes méthodes de Machine Learning pour la classification des sources de défauts.
- Optimisation, analyse et interprétation des résultats, et rédaction des articles scientifiques.

Dernière année en Ecole d’Ingénieur ou Master 2 en génie électrique et informatique.

Curieux(se), rigoureux(se) et autonome.

La maîtrise de l’anglais est un atout important.

**Connaissances requises**:
Génie électrique, instrumentation, programmation sur Python, méthodes d'IA

**Lieux du stage**:
Laboratoire Ampère, Ecole Centrale de Lyon - Ecully, France

**Durée de la thèse**: 36 mois, à partir de octobre 2023 (Auditions en mai 2023).
- CV
- Relevés de notes du cursus universitaire si possible.

Type d'emploi : CDD
Statut : Cadre
Durée du contrat : 6 mois

Rémunération : 600,00€ par mois

Horaires:

- Période de travail de 8 Heures
- Travail en journée

Lieu du poste : En présentiel

Date de début prévue : 01/03/2025