Le 01/12/2014 par hlecadre :

Contexte général :
MINES ParisTech est une école formant des ingénieurs généralistes et des scientifiques de haut niveau. Chargée originellement de la formation des Ingénieurs civils des mines et des Corps techniques de l'État, l'École a développé depuis les années soixante des activités de recherche et d'enseignement de troisième cycle, en liaison avec l'industrie et des partenaires universitaires internationaux.
En son sein, le Centre de Mathématiques Appliquées (CMA) est un laboratoire de recherche dont les activités de recherche et d'enseignement relèvent de l'Optimisation, de l'Aide à la décision et du Contrôle. Elles sont réalisées en étroite collaboration avec des partenaires industriels des domaines du climat, de l'économie, des marchés et de l'énergie.
Sujet :
L'objectif de ce stage est de participer au développement de techniques d'optimisation pour les systèmes énergétiques permettant de prendre en compte le caractère décentralisé de nombreux systèmes énergétiques actuels et l'incertitude engendrée par la pénétration des énergies renouvelables. La part croissante des sources d'énergie intermittentes, la restructuration des marchés de l'énergie, la complexification des systèmes énergétiques nécessitent de coupler des méthodes issues du Machine Learning, permettant d'automatiser la prédiction des productions d'énergie renouvelable (en particulier, les productions photovoltaïque et éolienne), très erratiques, avec une approche systémique. Dans ce contexte, nous avons proposé un algorithme produisant des prévisions probabilistes des productions photovoltaïque, distribuées région par région. Ces prédictions reposent sur des règles d'agrégation combinant les observations émanant de stations géo-localisées dans la région. Le travail du stagiaire pourra se décomposer en cinq étapes :
(1) Dresser un Etat de l'art des méthodes de prédiction probabilistes.
(2) Comparer sur un jeu de données réelles les performances de l'algorithme déjà développé, qui se base sur la prédiction par intervalle de confiance, avec d'autres méthodes de prédiction probabilistes (régression par quantile, prédiction par ensembles, etc.).
(3) Evaluer théoriquement l'impact des stratégies d'agrégation mises en oeuvre. Les comparer avec des stratégies issues de la théorie de la fusion de données.
(4) Proposer des méthodes de simulation statistique permettant de générer les scénarios « les plus réalistes » possibles au niveau de chaque région ; prenant en compte le caractère erratique des énergies renouvelables et le grand nombre de régions à considérer.
(5) Voir comment intégrer les étapes précédentes dans les modèles économiques des marchés de l'électricité.
Pré-requis :
Etre titulaire d'un Master 2 en mathématiques appliquées/informatique ou diplômé(e) d'une Ecole d'Ingénieur. Disposer de bonnes connaissances en mathématiques appliquées (en particulier, statistiques, optimisation) ; avoir un intérêt pour l'analyse de données et des connaissances en traitement de l'information. Un intérêt pour la théorie des jeux serait un plus. Les codes seront développés en Python.
Modalités de dépôt des candidatures :
Le dossier de candidature comportera :
 une lettre de motivation,
 un CV détaillé.
Contact : helene.le_cadre@mines-paristech.fr , tel. : 04-97-15-71-12.