Présentation de la société : TOTALENERGIES

TotalEnergies est une compagnie multi-énergies mondiale de production et de fourniture d'énergies : pétrole et biocarburants, gaz naturel et gaz verts, renouvelables et électricité. Ses 105 000 collaborateurs s'engagent pour une énergie toujours plus abordable, propre, fiable et accessible au plus grand nombre. Présent dans plus de 130 pays, TotalEnergies inscrit le développement durable dans toutes ses dimensions au cœur de ses projets et opérations pour contribuer au bin-être des populations.

Missions

Currently enrolled in an engineering school or Master's program in the Research and development field, are you looking for an 6-month end-of-study internship starting in March 2025?

Do you have experience in skills in operations research and nonlinear optimization and knowledge of heuristics and metaheuristics? Do you know Python for algorithm development?

Are you comfortable with office automation and familiar with the Office suite? You'll be using Excel, Word and Powerpoint in particular. Skills in using solvers (Gurobi, Cplex, etc.) will be appreciate.

A professional command of French will be essential for this position.

L'optimisation black-box (optimisation de boîte noire) est une discipline d'optimisation où l'on cherche à résoudre un problème sans connaître la forme analytique ou les dérivés de la fonction objectif ou d'une famille de contraintes. Les évaluations de la fonction ou des contraintes se font uniquement via des observations des entrées et des sorties, sans accès aux mécanismes internes du système. Dans le domaine de l'énergie, il est fréquent de rencontrer des fonctions objectives non définies, obtenues par des simulateurs qui modélisent des phénomènes complexes pour lesquels il est difficile de dériver des expressions analytiques précises. Un exemple typique est l'optimisation de la disposition des parcs éoliens, où l'objectif est de maximiser la production d'énergie tout en minimisant les coûts et les impacts environnementaux. Pour ce faire, il est nécessaire de simuler les effets de sillage et les interactions entre les éoliennes. Les effets de sillage se produisent lorsque le vent passe à travers une éolienne, créant des zones de turbulence qui peuvent affecter les performances des éoliennes situées en aval. Ces interactions complexes sont généralement modélisées à l'aide de simulateurs sophistiqués, rendant l'optimisation de la disposition des éoliennes un problème typique de boîte noire.

• Conduct a literature review on black-box optimization: Research, analyze, and identify current trends and challenges based on scientific publications and existing work on black-box optimization.
• Define the most effective methods proposed to solve optimization problems with a black-box objective: Examine and compare different approaches and algorithms used for black-box optimization.
• Classification of methods by use case: Categorize optimization methods based on their application domain and use cases.
• Implementation of a method for the Wind Farm Layout Optimization use case: Select and develop an optimization method suitable for wind farm layout optimization in Python.
• Testing, validation, and writing a deliverable: Test and validate the algorithm on real or simulated data to evaluate its performance. Write a detailed report.

En tant que stagiaire Application de l'optimisation black-box dans le secteur de l'énergie H/F, vos missions seront :

• Réaliser un état de l'art sur l'optimisation black-box : Rechercher, analyser et identifier les tendances et défis actuels en se basant sur des publications scientifiques et les travaux existants sur l'optimisation de boîte noire.
• Définir les méthodes les plus efficaces proposées pour résoudre les problèmes d'optimisation avec un objectif black-box : Examiner et comparer les différentes approches et algorithmes utilisés pour l'optimisation de boîte noire.
• Classification des méthodes par cas d'usage : Catégoriser les méthodes d'optimisation en fonction de leur domaine d'application et cas d'usage.
• Implémentation d'une méthode pour le cas d'usage Wind Farm Layout Optimization : Sélectionner et développer une méthode d'optimisation adaptée à l'optimisation de la disposition des parcs éoliens en Python.
• Test, validation et rédaction d'un livrable : Tester et valider l'algorithme sur des données réelles ou simulées pour évaluer ses performances. Rédiger un rapport détaillé.

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 !

Profil recherché

Actuellement en école d'ingénieur ou en Master dans le domaine de la Recherche et Développement et en particulier dans le domaine de la Recherche Opérationnelle, vous recherchez un stage de fin d'étude d'une durée de 6 mois à partir de mars 2025 ?
Fort(e) d'une première expérience en recherche opérationnelle et en optimisation non linéaire, vous avez des connaissances avec les heuristiques et métaheuristiques ? Vous connaissez Python et avez développé vos compétences en utilisation des solveurs (Gurobi, Cplex, …) ?

Vous êtes à l'aise avec la bureautique et connaissez la suite Office ? Vous utiliserez notamment Excel, Word et Powerpoint. Vous avez des capacité à analyser des données complexes et à mener des recherches approfondies.

L'autonomie, la rigueur et l'esprit d'équipe font partie intégrante de vos qualités ? Posséder une excellente capacité à rédiger des rapports clairs et à présenter des résultats de manière efficace. 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 !