Sujet de thèse : machine learning pour le pilotage optimisé d'un réacteur nucléaire F/H (2025-140719)
The EDF Group
il y a 3 jours
Date de publicationil y a 3 jours
S/O
Niveau d'expérienceS/O
Temps pleinType de contrat
Temps pleinGestion de projet / produitCatégorie d'emploi
Gestion de projet / produitDescription de l'offre
Contribuer à la flexibilité du nucléaire français et à la décarbonation du mix énergétique par le développement d'un outil d'aide au pilotage des cœurs de réacteur basé sur l'intelligence artificielle : pour prévoir l'évolution temporelle de l'état du réacteur et en optimiser la stratégie de pilotage.
Contexte
Le nucléaire, avec sa production pilotable, représente le complément idéal aux Energies Renouvelables pour garantir l'équilibre offre/demande du réseau dans un contexte de lutte contre le réchauffement climatique (pas d'émission de CO₂) et les polluants atmosphériques (oxydes d'azote, etc.).
EDF investit aujourd'hui dans les outils d'aide au pilotage qui accompagnent les opérateurs et les ingénieurs lors de la réalisation des baisses et remontées de charge : les outils aujourd'hui développés à la R&D, dotés d'un noyau de calcul neutronique, permettent aux différents acteurs de prévoir l'effet de leurs actions (dilution/borication, mouvement des grappes, ...) sur le réacteur et de choisir leur stratégie de pilotage de manière à respecter les limites de fonctionnement (contraintes de sûreté).
En complément de l'approche « physique du réacteur », de nouvelles approches basées sur l'intelligence artificielle sont à l'étude, par exemple pour accélérer les calculs ou pour définir une stratégie de pilotage optimale.
Objectifs de la thèse
Cette thèse s'inscrit dans la lignée de plusieurs stages et une thèse explorant les potentialités de ces approches et dont les fruits sont désormais en partie intégrés aux outils utilisés par l'ingénierie.
Le principal objectif de cette thèse sera de mettre en place un algorithme d'apprentissage par renforcement adapté à la problématique métier (l'aide au pilotage d'un réacteur nucléaire) applicable par l'opérateur en salle de commande. Des méthodes d'optimisation « alternatifs » seront aussi à développer en guise de benchmark.
La contribution du doctorant est également attendue sur la poursuite du développement d'un modèle de prévision de l'évolution temporelle de l'état du cœur du réacteur. Le modèle existant, développé dans le cadre d'une thèse précédente, combine déjà modèles statistiques, basés sur l'historique de données réelles des réacteurs d'EDF, et modèles physiques ; dans ses axes d'amélioration figure par exemple l'intégration de résultats de simulation du code de calcul neutronique.
Les principales difficultés techniques du sujet dérivent, entre autres, de : la complexité de la physique en jeu (variables cachées telles que le Xénon, hétérogénéité de temps caractéristiques) ; les incertitudes associées à l'environnement (potentielle évolution des contraintes au cours du transitoire, interfaçage avec l'humain), l'utilisation de codes de calculs scientifiques nécessitant des ressources informatiques importantes, le développement de plusieurs agents spécialisés pour des objectifs différents.
Profil souhaité
Niveau d'études: recherche en mathématiques, grandes écoles
Compétences techniques:
Data science, machine learning, statistique
Langues: français ou anglais de bon niveau (écrit et parlé)
Savoir-être: autonomie, initiative, esprit critique, créativité, motivation, rigueur.
Les connaissances suivantes sont un plus:
- Domaine nucléaire
- Langage informatique: python
- Autres domaines des mathématiques appliquées
- Rédaction scientifique
Je postule
Ces offres pourraient vous intéresser :
Contribuer à la flexibilité du nucléaire français et à la décarbonation du mix énergétique par le développement d'un outil d'aide au pilotage des cœurs de réacteur basé sur l'intelligence artificielle : pour prévoir l'évolution temporelle de l'état du réacteur et en optimiser la stratégie de pilotage.
Contexte
Le nucléaire, avec sa production pilotable, représente le complément idéal aux Energies Renouvelables pour garantir l'équilibre offre/demande du réseau dans un contexte de lutte contre le réchauffement climatique (pas d'émission de CO₂) et les polluants atmosphériques (oxydes d'azote, etc.).
EDF investit aujourd'hui dans les outils d'aide au pilotage qui accompagnent les opérateurs et les ingénieurs lors de la réalisation des baisses et remontées de charge : les outils aujourd'hui développés à la R&D, dotés d'un noyau de calcul neutronique, permettent aux différents acteurs de prévoir l'effet de leurs actions (dilution/borication, mouvement des grappes, ...) sur le réacteur et de choisir leur stratégie de pilotage de manière à respecter les limites de fonctionnement (contraintes de sûreté).
En complément de l'approche « physique du réacteur », de nouvelles approches basées sur l'intelligence artificielle sont à l'étude, par exemple pour accélérer les calculs ou pour définir une stratégie de pilotage optimale.
Objectifs de la thèse
Cette thèse s'inscrit dans la lignée de plusieurs stages et une thèse explorant les potentialités de ces approches et dont les fruits sont désormais en partie intégrés aux outils utilisés par l'ingénierie.
Le principal objectif de cette thèse sera de mettre en place un algorithme d'apprentissage par renforcement adapté à la problématique métier (l'aide au pilotage d'un réacteur nucléaire) applicable par l'opérateur en salle de commande. Des méthodes d'optimisation « alternatifs » seront aussi à développer en guise de benchmark.
La contribution du doctorant est également attendue sur la poursuite du développement d'un modèle de prévision de l'évolution temporelle de l'état du cœur du réacteur. Le modèle existant, développé dans le cadre d'une thèse précédente, combine déjà modèles statistiques, basés sur l'historique de données réelles des réacteurs d'EDF, et modèles physiques ; dans ses axes d'amélioration figure par exemple l'intégration de résultats de simulation du code de calcul neutronique.
Les principales difficultés techniques du sujet dérivent, entre autres, de : la complexité de la physique en jeu (variables cachées telles que le Xénon, hétérogénéité de temps caractéristiques) ; les incertitudes associées à l'environnement (potentielle évolution des contraintes au cours du transitoire, interfaçage avec l'humain), l'utilisation de codes de calculs scientifiques nécessitant des ressources informatiques importantes, le développement de plusieurs agents spécialisés pour des objectifs différents.
Profil souhaité
Niveau d'études: recherche en mathématiques, grandes écoles
Compétences techniques:
Data science, machine learning, statistique
Langues: français ou anglais de bon niveau (écrit et parlé)
Savoir-être: autonomie, initiative, esprit critique, créativité, motivation, rigueur.
Les connaissances suivantes sont un plus:
- Domaine nucléaire
- Langage informatique: python
- Autres domaines des mathématiques appliquées
- Rédaction scientifique
Je postule
Ces offres pourraient vous intéresser :
- Thèse : Développement de jumeaux numériques des procédés de mise en forme à chaud d'alliages de Zr
- Thèse
- France
- Alpes Maritimes (06)
- Ingénierie / Expertise / Recherche
Thèse : Développement de jumeaux numériques des procédés de mise en forme à chaud d'alliages de Zr - Alternant Usineur F/H
- Alternance
- France
- Saône et loire (71)
- Ingénierie / Expertise / Recherche
Alternant Usineur F/H - Alternance Assistant(e) HSE F/H
- Alternance
- France
- Drôme (26)
- Ingénierie / Expertise / Recherche
Alternance Assistant(e) HSE F/H
RÉSUMÉ DE L' OFFRE
Sujet de thèse : machine learning pour le pilotage optimisé d'un réacteur nucléaire F/H (2025-140719)
The EDF Group
Chatou
il y a 3 jours
S/O
Temps plein
Sujet de thèse : machine learning pour le pilotage optimisé d'un réacteur nucléaire F/H (2025-140719)