L’un des outils du suivi du fonctionnement des centrales thermiques est le suivi des performances de ses équipements. Un de ces composants critiques est le compresseur de la turbine à gaz, pour lequel on suit les évolutions du rendement et du taux de compression tout au long de sa vie.

Pour améliorer le suivi de cet équipement et prévoir son évolution dans le temps nous voulons :

              A partir du passé établir la loi de dégradation « normale » du compresseur en fonction de son nombre d’heures de fonctionnement et des opérations de maintenances. La recherche de cette loi sera facilitée par une connaissance a-priori : la dégradation est approximativement exponentielle, les opérations de maintenance rétablissent des performances proches de celles de l’état neuf, mais ne modifient pas (ou peu) la vitesse de dégradation.

              Utiliser cette loi de dégradation pour prédire le futur

-          En cohérence avec le programme d’appel et le fonctionnement prévu des centrales

-          Pour comparer l’attendu et la réalité pour détecter des dégradations anormales

Le stage se déroulera au sein de la cellule « e-monitoring » de l’unité (CI2T). Le stagiaire sera donc en lien avec les différents spécialistes métiers (projet, IT, experts matériel, data) et pourra donc rapidement monter en compétence tout en ayant accès à une vision globale du fonctionnement des centrales de production d’électricité.

En effet, l’unité CI2T est l’unité d’ingénierie de la production thermique bas-carbone (production intermittente grâce aux « Cycles Combinés Gaz » et aux turbines à combustion) et du transport d’énergie. Elle est donc très proche du terrain et des enjeux de production.

Intérêt pour le secteur de l’énergie et pour son évolution vers la décentralisation.

Vous serez amené(e) à mettre en œuvre et/ou acquérir des compétences en :

-          Process industriel appliqué à la production d’électricité

-          Valorisation et contextualisation d’un patrimoine immatériel (historique de données de production)

-          Machine Learning

La curiosité, l'envie d'apprendre et l'autonomie seront également des qualités appréciées.

Lieu du stage : Site de Cap Ampère – 1 Place Pleyel - 93282 SAINT DENIS

Contacts :

Yohann Albert (Ingénieur e-monitoring), mail : yohann.albert@edf.fr

Jérôme Collet (Ingénieur développement), mail : jerome.collet@edf.fr

Merci d’ajouter un CV et une lettre de motivation à votre candidature sur la plateforme.

Horaires : 35 h / semaine

Durée du stage : 6 mois

Période : à partir de septembre 2025

Écoles : écoles d’ingénieurs ou Master 2, généralistes ou spécialisés en IA / Data Science / Statistiques,