L'ambition de la Division Innovation est de porter plus loin l'innovation d'Orange et de renforcer son leadership technologique, en mobilisant nos capacités de recherche pour nourrir une innovation responsable au service de l'humain, éclairer les choix stratégiques du Groupe à long terme et influencer l'écosystème digital mondial.
Nous formons les expertes et les experts des technologies d'aujourd'hui et de demain, et veillons à une amélioration continue de la performance de nos services et de notre efficacité.
La division Innovation rassemble, dans le monde, 6000 salariés dédiés à la recherche et l'innovation dont 740 chercheurs. Porteurs d'une vision globale avec une grande diversité de profils, les femmes et les hommes de Innovation sont à l'écoute et au service des pays, des régions et des business units pour faire d'Orange un opérateur multiservices de confiance.
Le stage se déroulera au sein du département "Innovation in Radio and Environnement" (IREN) de Orange Innovation, l'équipe regroupe des experts en modélisation mathématique et en data science.
Vous serez intégré(e) dans une équipe de recherche à la pointe de l'innovation et de l'expertise en mathématiques appliquées (recherche opérationnelle, machine learning, séries temporelles ...). Vous ferez partie d'un écosystème de recherche côtoyant les responsables des stratégies d'achat d'électricité pour l'alimentation des sites d'Orange.
Dans le cadre de sa stratégie d'innovation et de transition énergétique, Orange s'engage à développer des solutions durables et intelligentes pour ses réseaux télécoms. Conscient de l'impact environnemental de ses activités, l'opérateur cherche à optimiser la gestion de ses ressources énergétiques tout en assurant la performance et la fiabilité de ses infrastructures.
L'enjeu de ce stage consiste à optimiser la gestion des ressources énergétiques en intégrant des batteries fixes, déloyées de manière stratégique sur différents sites, permettant de stocker l'énergie excédentaire et de la redistribuer. Ces batteries fixes jouent un rôle essentiel dans la stabilisation du réseau, la gestion des pics de consommation et l'intégration efficace des énergies renouvelables.
Par ailleurs, les véhicules électriques (VE) peuvent constituer un réseau de batteries mobiles. En se déployant comme des unités de stockage décentralisées, ils offrent une flexibilité supplémentaire pour équilibrer l'offre et la demande d'énergie.
L'objectif global est de développer des solutions innovantes, économiquement viables et permettant une gestion intégrée, flexible et résiliente de l'énergie. Ces solutions visent à accompagner la transition vers des infrastructures plus durables, résilientes et performantes, en tirant parti de la synergie entre stockage fixe et mobile.
Le/la stagiaire contribuera à cette mission en élaborant des modèles mathématiques avancés. Ces modèles permettront de planifier efficacement les opérations de décharge et de recharge des batteries fixes et des véhicules électriques, en tenant compte des tournées déjà planifiées sur plusieurs sites télécoms. Il sera également essentiel d'intégrer dans ces modèles le respect strict des règles de sécurité propres à chaque type de batterie.
Par ailleurs, une étude comparative sera menée pour évaluer différents scénarios, notamment celui où des batteries sont déjà installées sur certains sites. Cette analyse visera à identifier les avantages et inconvénients de chaque solution, en prenant en compte les aspects de sécurité, de performance et de durabilité, afin de déterminer la stratégie la plus adaptée.
Une attention particulière sera portée à l'intégration des marchés de l'énergie, notamment le marché spot, le marché à terme (forward), ainsi que les mécanismes d'effacement tels que le curtailment, afin d'optimiser la gestion de la flexibilité énergétique et maximiser les bénéfices économiques.\n\nFormation souhaitée
Bac+5 (master ou ingénieur) mathématique appliqué ou informatique, spécialité Recherche Opérationnelle
Compétences et qualités personnelles recherchées
Compétences en optimisation combinatoire (PLNE, génération de colonnes, branch-and-price, méthodes de coupes ...).
Pratique d'un langage de programmation et logiciel statistique (Python de préférence).
Maitrise de CPLEX ou Gurobi
Des connaissances en Machine Learning (apprentissage par renforcement, réseaux de neurones) serait un plus.
Une connaissance des marchés de l'énergie serait un plus.
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.