Smart grids are interesting technologies that can contribute to the energy transition due to their ability to optimize energy consumption, integrate renewable energy sources, and enhance grid reliability. Investigating the use Reinforcement Learning to handle the decision / optimization part of these smart grids is promising due to the capacity of RL models to reach good performances in complex and uncertain environments.

The intern will be integrated into a project that aims to evaluate the interest of Reinforcement Learning on decision-making for smart grids. Models have already been trained to control the battery charge and discharge and are being evaluated in a smart building located on the Polytechnique campus.

Currently enrolled in an engineering school or Master's program in the Reinforcement Learning field, are you looking for an 6-month end-of-study internship starting in first semester 2025?

Do you have experience in Reinforcement Learning and knowledge of Knowledge on energy systems? Do you know Machine Learning and Deep Learning?

Are you comfortable with office automation and familiar with the Office suite? You've got good coding skill (Python, RL librairies, NN librairies) and are familiar to Latex ?

Are you a self-starter, rigorous and a team player? Can you take the initiative? A professional command of English will be essential for this position.

So don't wait any longer, apply to join our team!

Les Smart Grids sont des technologies intéressantes qui pourraient contribuer à la transition énergétique en raison de leur capacité à optimiser la consommation d'énergie, à intégrer des sources d'énergie renouvelables et à améliorer la fiabilité du réseau. L'utilisation du Reinforcement Learning pour gérer la partie décision/optimisation de ces Smart Grids semble prometteuse en raison de la capacité des modèles de RL à atteindre de bonnes performances dans des environnements complexes et incertains.

Le stagiaire sera intégré dans un projet visant à évaluer l'intérêt du Reinforcement Learning pour la prise de décision dans les Smart Grids. Des modèles ont déjà été entraînés pour contrôler la charge et la décharge des batteries et sont en cours d'évaluation dans un Smart Building situé sur le campus de Polytechnique.

We are interested in three possible ways of improving existing models, one or more of which could be tackled by the trainee:

• The first is model generalization. For the moment, the models trained are specific to a particular smart grid. The trainee's objective will be to propose and validate solutions to make the model more general.
• The second is to improve the model's performance. The trainee's objective would be to try to improve performance through various levers, such as the choice of neural network architecture, input space, reward formulation, etc.
• The last axis aims to train RL models focusing more specifically on optimizing the control of electric vehicle charging stations present in the smart grid.

You will evolve within a team of experienced professionals and with a tutor-coach, the reference for your future profession. Individualized support will help you develop your autonomy and lead you to your diploma!

Nous nous intéressons à trois pistes pour améliorer les modèles existants. Une ou plusieurs de ces pistes pourraient être abordées par le stagiaire :

• La première est la généralisation du modèle. Pour l'instant, les modèles entraînés sont spécifiques à une Smart Grid particulière. L'objectif du stagiaire sera de proposer et de valider des solutions permettant de rendre le modèle plus général.
• La deuxième est l'amélioration de la performance du modèle. L'objectif du stagiaire sera d'essayer d'améliorer la performance à travers différents moyens, tels que le choix de l'architecture du réseau de neurones, de l'espace d'entrée, de la formulation de la fonction de récompense, etc.
• La troisième piste vise à entraîner des modèles RL plus spécifiquement destinés à optimiser le contrôle de stations de recharge de véhicules électriques présentes dans la Smart Grid.

Vous évoluerez au sein d'une équipe de professionnels confirmés et auprès d'un tuteur-coach, le référent de votre futur métier. Un accompagnement individualisé vous permettra de favoriser votre autonomie et de vous mener à votre diplôme !

Actuellement en école d'ingénieur ou en Master dans le domaine du Reinforcement Learning, vous recherchez un stage de fin d'étude d'une durée de 6 mois à partir du premier semestre 2025 ?

Fort(e) d'une première expérience en Reinforcement Learning, vous avez des connaissances des systèmes énergétiques ? Vous connaissez Machine Learning et en Deep Learning ?

Vous êtes à l'aise avec la bureautique et connaissez la suite Office ? Vous avez de solides connaissances en codage (Python, RL librairies, NN librairies) et êtes familier de Latex ?

L'autonomie, la rigueur et l'esprit d'équipe font partie intégrante de vos qualités ? Vous savez prendre des initiatives ?

Une maitrise professionnelle de l'anglais sera indispensable à votre prise de poste.

Alors n'attendez plus, postulez pour rejoindre notre équipe !