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 on energy systems? Do you know Machine Learning and Deep Learning? Knowledge of Safe AI or explicable AI.

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.

One of the problems with reinforcement learning is its black-box aspect, which makes it difficult to ensure the reliability of the model once it has been deployed in the real world. These guarantees are essential to ensure that the model does not make decisions that could have serious consequences once deployed.

The aim of this internship is to address this issue as part of our project, and to investigate solutions that will enable us to obtain stronger guarantees than we currently do, thereby increasing confidence in our models. During the internship, the trainee will have several tasks to accomplish:

• Review the state of the art in Safe RL and explainable RL, and more specifically their application in the context of energy systems and smart grids.
• Select, implement and test the most promising approaches.
• Validate these approaches on a simulator or even on a real system.

This subject is innovative and can lead to a PhD thesis.

L'objectif de ce stage est de se pencher sur cette problématique dans le cadre de notre projet, et de rechercher des solutions qui nous permettront d'obtenir des garanties plus solides qu'actuellement, et donc d'accroître la confiance dans nos modèles. Pendant le stage, le stagiaire aura plusieurs tâches à accomplir :

• Faire le point sur l'état de l'art autour du Safe RL et du RL explicable, et plus particulièrement sur leur application dans le contexte des systèmes électriques et des Smart Grids.
• Sélectionner, implémenter et tester les approches les plus prometteuses.
• Valider ces approches sur un simulateur voire sur un système réel.

Ce sujet est innovant et peut donner lieu à une thèse de doctorat.

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 ? Des connaissances en Safe AI ou IA explicable seraient un plus.

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 !