Ingénieur modélisation du Procédé

Au sein de la Direction Technique et Ingénierie dOrano Projets, la section modélisation du Procédé apporte son expertise pour le dimensionnement des équipements procédé du cycle de combustible ainsi que pour la réalisation détudes en soutien à la Sûreté/Procédé mais également à lexploitant. Contexte: Lusine de retraitement de La Hague retraite les combustibles afin de valoriser autant que possible les matières sy trouvant, mais également contribuer à la réduction du volume des déchets non valorisables en vue de leur stockage à long terme. Dans lattente de ces étapes de retraitement, les assemblages de combustibles usés sont entreposés dans des piscines, elles-mêmes refroidies au moyen de boucles de refroidissement permettant de maintenir la température en dessous de critères de sûreté. Les capacités de refroidissement sont dépendantes des conditions climatiques extérieures, cest pourquoi les besoins en utilités sont amenés à être paramétrés manuellement pour satisfaire le respect des critères. Une piste doptimisation de ce pilotage consisterait à anticiper les besoins minimaux nécessaires sur la base des prévisions météorologiques à court terme sous la forme de préconisations afin de limiter la consommation énergétique de linstallation. Lobjet de ce stage est de poursuivre le développement dune méthodologie faisant intervenir lIntelligence Artificielle (IA) et doptimiser la connaissance du comportement des boucles de refroidissement des piscines, notamment aux conditions climatiques rencontrées, au moyen dun modèle numérique. Ce modèle est développé avec le solveur Aspen Custom Modeler (ACM), particulièrement adapté aux procédés chimiques, et une formation préalable à son utilisation sera dispensée et permettra de prendre en main le modèle existant. En 2022, un premier stage a permis de mettre au point un modèle dIntelligence Artificielle permettant de prédire le comportement des piscines sur la base des prévisions météorologiques à court terme. Cependant, certains paramètres évoluent dans le temps et nécessitent une meilleure connaissance. Or une estimation par recalage en utilisant le logiciel ACM peut être chronophage. Ainsi, en 2023, un second modèle dIA permettant de recaler ces paramètres sur la base du REX des températures des piscines, des données météorologiques et du paramétrage des boucles de refroidissement a été développé. Ces données recalées ont vocation à alimenter le premier modèle dIA afin de conforter les prédictions. Lobjet de ce stage est, dans un premier temps, de prendre en main les modèles développés sous Python puis de poursuivre le développement de cet outil et de fiabiliser les prédictions (quil sagisse détayer la base de données nécessaires à lentrainement du modèle dIA et/ou de modifier la structure / réentraîner le modèle dIA). En parallèle, le stagiaire sera amené à mettre à jour la documentation en vue du déploiement de loutil auprès de lexploitant.

Au sein de la Direction Technique et Ingénierie dOrano Projets, la section modélisation du Procédé apporte son expertise pour le dimensionnement des équipements procédé du cycle de combustible ainsi que pour la réalisation détudes en soutien à la Sûreté/Procédé mais également à lexploitant. Contexte: Lusine de retraitement de La Hague retraite les combustibles afin de valoriser autant que possible les matières sy trouvant, mais également contribuer à la réduction du volume des déchets non valorisables en vue de leur stockage à long terme. Dans lattente de ces étapes de retraitement, les assemblages de combustibles usés sont entreposés dans des piscines, elles-mêmes refroidies au moyen de boucles de refroidissement permettant de maintenir la température en-dessous de critères de sûreté. Les capacités de refroidissement sont dépendantes des conditions climatiques extérieures, cest pourquoi les besoins en utilités sont amenés à être paramétrés manuellement pour satisfaire le respect des critères. Une piste doptimisation de ce pilotage consisterait à anticiper les besoins minimaux nécessaires sur la base des prévisions météorologiques à court terme sous la forme de préconisations afin de limiter la consommation énergétique de linstallation. Lobjet de ce stage est de poursuivre le développement dune méthodologie faisant intervenir lIntelligence Artificielle (IA) et doptimiser la connaissance du comportement des boucles de refroidissement des piscines, notamment aux conditions climatiques rencontrées, au moyen dun modèle numérique. Ce modèle est développé avec le solveur Aspen Custom Modeler (ACM), particulièrement adapté aux procédés chimiques, et une formation préalable à son utilisation sera dispensée et permettra de prendre en main le modèle existant. En 2022, un premier stage a permis de mettre au point un modèle dIntelligence Artificielle permettant de prédire le comportement des piscines sur la base des prévisions météorologiques à court terme. Cependant, certains paramètres évoluent dans le temps et nécessitent une meilleure connaissance. Or une estimation par recalage en utilisant le logiciel ACM peut être chronophage. Ainsi, en 2023, un second modèle dIA permettant de recaler ces paramètres sur la base du REX des températures des piscines, des données météorologiques et du paramétrage des boucles de refroidissement a été développé. Ces données recalées ont vocation à alimenter le premier modèle dIA afin de conforter les prédictions. Lobjet de ce stage est, dans un premier temps, de prendre en main les modèles développés sous Python puis de poursuivre le développement de cet outil et de fiabiliser les prédictions (quil sagisse détayer la base de données nécessaires à lentrainement du modèle dIA et/ou de modifier la structure / réentraîner le modèle dIA). En parallèle, le stagiaire sera amené à mettre à jour la documentation en vue du déploiement de loutil auprès de lexploitant.
Adresse du poste :
23 Place Wicklow 78180 Montigny-le-Bretonneux