Stage en Machine Learning/deep Learning - Boulogne-Billancourt, France - AUDENSIEL TECHNOLOGIES

AUDENSIEL TECHNOLOGIES

Entreprise vérifiée

Boulogne-Billancourt, France

il y a 2 semaines

Posté par:

Sophie Dupont

beBee Recruiter

Description

Détection d'un nouvel appareil dans un résidentiel à partir de la charge

électrique totale

Encadrant E-mail Mode d'évaluation

Contexte et description

La surveillance non intrusive de la charge électrique dans un résidentiel (NILM) fait référence au problème de la désagrégation de la consommation de chaque appareil individuel à partir de la charge totale consommée dans un habitat et de la communication de ces consommations aux résidents pour assurer l'équilibre entre l'offre et la demande dans le réseau électrique intelligent. Ce problème a connu une effervescence en termes de publications scientifiques et de prototypes industrialisés durant la dernière décennie. Cependant, de nombreux défis restent à relever.

Attentes et objectifs

Le but de ce projet est de savoir si un nouvel appareil est ajouté à une charge électrique et d'inférer sa consommation ? Une première méthode de détection d'un nouvel appareil a été développée dans notre pôle R&D. La deuxième partie fera l'objet de ce projet.

L'objectif principal de ce projet est de développer une solution qui répond à ce défi et infère la consommation du nouvel appareil et sa catégorie (Réfrigérateur, micro-ondes, lampe, etc). Dans le cadre de ce projet, les tâches suivantes doivent être effectuées:

- Amélioration de la méthode de seuillage déjà développée par nos équipes pour la rendre adaptative ;
- Proposition d'une méthode d'estimation de la consommation d'un appareil sans aucune information à priori ;
- Évaluation et validation du modèle avec un jeux de données réel
- Insertion de cette fonctionnalité sur un tableau de bord existant.

Supports fournis
- Des bases de données de consommation
- Les modèles de désaggrégation et de détection développés auparavant
- Le code source du tableau de bord

Support à remettre
- La solution proposée en code source.
- La base de données mise à jour
- Un rapport de stage
- Une présentation

Background nécessaire:

- Apprentissage automatique, apprentissage profond, traitement de signal
- Programmation Python

Background souhaité:

- Programmation avec Flask

Mots clé

Machine learning, Réseaux de neurones profonds, Non Intrusive Load Monitoring, détection d'anomalie

Type d'emploi : Stage

Salaire : 650,00€ à 850,00€ par mois

Programmation:

- Du lundi au vendredi
- Travail en journée

Lieu du poste : Télétravail hybride Boulogne-Billancourt)