Description du poste

L’objectif final du projet sera d’optimiser numériquement la position de WECs pour un ensemble d’état de mer prédéfini et représentatif des zones géographiques ciblées. Une telle optimisation ne peut se faire que par l’intermédiaire d’un modèle rapide, robuste et maniable, avec une précision maitrisée.

Principales activités

Etape 1 : développement d’un modèle numérique précis pour un unique flotteur

D’un côté, des méthodes de modélisation numérique dites haute-fidélité dans lesquelles toutes les échelles sont résolues sont possibles mais très couteuses numériquement à l’échelle d’un parc. Ces modèles sont généralement utilisés sur des échelles inférieures à dix mètres. De l’autre côté, des modèles simplifiés de propagation et dispersion (en général faiblement non-linéaires) peuvent être utilisés sur des échelles de l’ordre du kilomètre (ou plus), mais peuvent être mis à défauts autour du flotteur où des fortes non-linéarités sont présentes.

On se propose de combler l’écart entre les deux types d’approches. Pour cela nous proposerons une approche hybride multi-fidélité basée sur le couplage des deux approches précitées. Il sera premièrement demandé d’étudier le couplage du modèle haute-fidélité « proche » du flotteur avec le modèle de propagation « loin » du flotteur. Afin de simplifier la problématique, ce point sera initialement abordé avec un unique flotteur.

Etape 2 : développement d’un modèle numérique rapide et robuste pour un unique flotteur

Afin de réduire les couts de calcul engendrés par des méthodes d’optimisation (de très nombreux appels au modèle complet), le modèle haute-fidélité du flotteur qui est couteux numériquement devra être remplacé par un modèle beaucoup plus rapide avec une précision maitrisée (modèle obtenu par Décomposition Orthogonale aux valeurs Propres -POD- ou ou par Machine Learning). Ce modèle sera appris sur des données issues de plusieurs simulations « haute-fidélité » sélectionnées par des techniques d’échantillonage modernes sur des paramètres qui définissent  l’état de mer (sujet à des incertitudes). Ce modèle donnera en sortie la puissance extraite et l’état de mer modifié par l’action du flotteur.

Etape 3 : modélisation numérique et optimisatuon d’un parc

Il sera ensuite demandé d’étendre le modèle numérique mono-flotteur développé à l’étape 2 à un parc de plusieurs dizaines de flotteurs,  pour finalement optimiser la position des flotteurs pour une extraction d’énergie efficace et robuste sur une gamme de paramètres définissant l’état de mer.

Le travail devra être implémenté numériquement dans une plateforme open-source. Le candidat pourra s’appuyer sur des modèles numériques de progation et haute-fidélité qui sont déjà développés dans les équipes Cardamom et Memphis respectivement, et sur les développements de l’équipe Memphis autour des modèles reduits de type POD.

Modalités de candidature

CANDIDATURE EN LIGNE

Contacts

Attention: Les candidatures doivent être déposées en ligne sur le site Inria. Le traitement des candidatures adressées par d’autres canaux n’est pas garanti.

Merci d’envoyer :

  • CV + liste des publications
  • Lettre de motivation
  • Diplôme du doctorat
  • Eventuelle lettre de recommandation

 

Sécurité défense :
Ce poste est susceptible d’être affecté dans une zone à régime restrictif (ZRR), telle que définie dans le décret n°2011-1425 relatif à la protection du potentiel scientifique et technique de la nation (PPST). L’autorisation d’accès à une zone est délivrée par le chef d’établissement, après avis ministériel favorable, tel que défini dans l’arrêté du 03 juillet 2012, relatif à la PPST. Un avis ministériel défavorable pour un poste affecté dans une ZRR aurait pour conséquence l’annulation du recrutement.

Politique de recrutement :
Dans le cadre de sa politique diversité, tous les postes Inria sont accessibles aux personnes en situation de handicap.

Attention: Les candidatures doivent être déposées en ligne sur le site Inria. Le traitement des candidatures adressées par d’autres canaux n’est pas garanti.