Stage Détection de dérives de consommation énergétique de stations d’épuration par les approches machine learning

Le groupe Veolia a pour ambition de devenir l’entreprise de référence de la transformation écologique. Présent sur les cinq continents avec près de 179 000 salariés, le Groupe conçoit et déploie des solutions utiles et concrètes pour la gestion de l’eau, des déchets et de l’énergie qui participent à changer radicalement la donne. Au travers de ses trois activités complémentaires, Veolia contribue à développer l’accès aux ressources, à préserver les ressources disponibles et à les renouveler. En 2020, le groupe Veolia a servi 95 millions d’habitants en eau potable et 62 millions en assainissement, produit près de 43 millions de mégawattheures et valorisé 47 millions de tonnes de déchets. La Direction des Expertises Scientifiques et Technologiques (DEST) regroupée dans l'entité Veolia Recherche & Innovation (VERI) se situe au cœur de la stratégie de Veolia pour aider le Groupe à devenir l'entreprise de référence de la transformation écologique. Les expertises scientifiques et technologiques sont un des moteurs de l'évolution du Groupe. DEST a pour mission de répondre aux besoins des entités opérationnelles et de promouvoir l'excellence scientifique et technologique au sein du Groupe. Nous croisons les disciplines et les expertises pour contribuer au développement de solutions qui permettent de faciliter l’accès aux services essentiels et aux ressources naturelles, de préserver celles-ci et de les utiliser et de les recycler efficacement. Nous intégrons les propositions innovantes de nos partenaires scientifiques et techniques et les développons, nous expérimentons au plus près du terrain.

Objectifs Avant d'être rejetées dans le milieu naturel, les eaux usées domestiques ou industrielles et les eaux pluviales sont épurées via des stations d’épuration (STEP). Plus de 5 milliards de m3 d’eaux usées doivent être traités chaque année en France par les 20 000 STEPs en fonctionnement. Veolia gère un parc de plus de 1 900 STEPs. Chaque STEP diffère par sa taille et son procédé. Le traitement des eaux usées est consommateur d’énergie. Le stage vise à aider à maîtriser la consommation énergétique des STEPs. Pour ce faire, nous avons besoin d’un outil qui aide à détecter les dérives sur la consommation énergétique. Missions principales En collaboration directe avec l’équipe projet, le/la stagiaire aura pour mission de : Comprendre les aspects techniques liés au traitement des eaux (différentes étapes de traitement, différents procédés de traitement des eaux usées installés, fonctionnement des STEPs, consommation énergétique des équipements) Faire un état de l’art des méthodes utilisées pour la détection de dérives basées sur des séries temporelles. Formaliser les modèles statistiques/machine learning sélectionnés pour répondre au besoin et la démarche de validation Mettre en œuvre les modèles retenus sous forme code Python Valoriser les résultats (via des slides lors des réunions projet et un rapport final)

Formation Niveau Master 2 ou élève en école d’ingénieur (BAC+5) en spécialisation Statistiques, Data science ou Mathématiques appliquées Vos compétences Vous présentez un fort intérêt pour la data science et l’innovation. Vous maitrisez le langage Python ainsi que les principales méthodes d’analyses de données et d’apprentissage statistique Vos qualités, votre savoir-être Vous maîtrisez également les outils de manipulation de données volumineuses. Vous êtes créatif et force de proposition, souhaitez travailler en équipe et avez une curiosité intellectuelle, ce stage est pour vous !

En tant qu'entreprise inclusive, Veolia s’engage pour la diversité et accorde la même considération à toutes les candidatures, sans discrimination. En tant qu'entreprise inclusive, Veolia s’engage pour la diversité et accorde la même considération à toutes les candidatures, sans discrimination.
En tant qu'entreprise inclusive, Veolia s’engage pour la diversité et accorde la même considération à toutes les candidatures, sans discrimination.