EDF
Postée il y a 10 heures
Contexte
L’électrochloration, qui consiste à produire de l’hypochlorite de sodium (ou eau de Javel) par électrolyse de l’eau de mer, est utilisée pour protéger les circuits de refroidissement des centres de production d’électricité EDF situés en bord de mer des biossalissures et de l’encrassement. Le suivi de cette chloration dans les canalisations est réalisé par une mesure d’oxydants résiduels total. La réactivité du chlore en eau naturelle est complexe, de nombreuses espèces oxydantes sont susceptibles d’être formées immédiatement après l’injection du chlore dans le circuit avec des réactivités propres à chacune des espèces. Ces espèces réagissent également avec la matière organique pour former des sous-produits de chloration.
Actuellement il n’est pas possible de mesurer spécifiquement ces espèces oxydantes de manière fiable dans les circuits en eau de mer. EDF a ainsi décidé de développer des modèles de prédiction de cinétique selon deux approches : un modèle de connaissances et un modèle de données, dont l’objectif est de mieux maîtriser le traitement par électrochloration sur les volets conjoints efficacité et rejets de SPC, en fonction des conditions de qualité d’eau.
La prédiction de ces cinétiques par un modèle de connaissances implique l’écriture des bilans de matière sur la base des connaissances disponibles sur les réactions, la résolution des équations algébro-différentielles, et la détermination des paramètres cinétiques à l’aide des données expérimentales disponibles. Le système chimique est néanmoins complexe, mettant en jeu de nombreuses espèces (>25) et réactions (>50), avec des espèces difficilement mesurables précisément, ce qui rend difficile la calibration d’un modèle de connaissances pleinement satisfaisant.
Les modèles de données constituent une autre approche de modélisation, elles émergent avec l’essor de l’intelligence artificielle et permettent de capturer directement de l’information à partir de données. Les techniques classiques en cinétique chimique utilisent par exemple des réseaux de neurones ou des processus gaussiens. Toutefois, ces modèles s'extrapolent mal et nécessitent beaucoup de données (dont on ne dispose pas) pour capter les processus chimiques très non-linéaires limiter le surapprentissage.
Une nouvelle approche dite hybride est de plus en plus populaire pour résoudre des problèmes dont les mécanismes sont trop complexes pour être décrits de manière exhaustive de manière mathématique ou pour lesquels la connaissance/compréhension des phénomènes est insuffisante. Les approches hybrides imbriquent des modèles de données et des modèles de connaissances, pour exploiter toutes les informations (sûres) disponibles et les connaissances cachées dans les données. Une question essentielle est celle de la quantité d'informations cinétiques à incorporer dans un modèle hybride : pas assez connaissances conduit à des modèles fragiles, mais trop conduit à des biais de prédiction.
Objectifs du stage
Ce stage a pour objectif de développer un modèle cinétique hybride de chloration d’eau de mer. Il s’agira d’abord de s’approprier les modèles de connaissances pour les cinétiques de chloration ainsi que les données expérimentales déjà disponibles à EDF et dans la littérature scientifique. Le stagiaire pourra ensuite proposer des structures de modèles hybrides à partir des réussites rapportées dans la littérature scientifique, les implémenter (en python) et les tester. Il s’agira d’analyser critiquement les forces et faiblesses des approches, notamment en termes d’intervalles de confiance dans la prédiction des modèles. Le stage pourra enfin s’ouvrir sur la proposition d’expériences en laboratoire, utilisant les techniques de planification d’expérience basée sur les modèles.
Profil requis
Formation bac+4/5 avec des connaissances en cinétique chimique, modélisation numérique, et machine learning. La maitrise d’un langage de programmation est indispensable (p.ex. Python).
Autonomie, initiative et esprit critique sont aussi des compétences clés recherchées.
Informations pratiques
Durée : 5/6 mois pour le 1er ou le 2nd semestre. Rémunération selon barème.
Lieu : EDF Lab Chatou, 6 quai Watier, 78400 Chatou (RER A : station Rueil Malmaison).
Encadrement par des ingénieurs-chercheurs en chimie et génie des procédés.