Stage en Développement Embarqué pour le Deep Learning H/F

Description de l'offre

Description

Contexte et descriptionAvec son programme RSE et étant un acteur pour la durabilité, AUDENSIEL propose des solutions de gestion de la demande. La gestion de la demande consiste à des actions qui influencent la façon dont les consommateurs utilisent l'électricité afin de réaliser des économies et d'améliorer l'efficacité de l'utilisation de l'énergie. L'objectif est de réduire la pression sur le réseau électrique, de diminuer les situations de congestion et de délestage. Ces actions permettent de réduire la facture d'électricité des consommateurs et de mieux gérer les pics de charge des compagnies d'électricité.ObjectifsDans le cadre de notre projet AdaptiveSmartGrid pour la gestion de la consommation électrique dans le secteur tertiaire, nous proposons de développer une application micro-service pour la désaggrégation de la charge totale de consommation électrique en consommation d'appareils individuels. Les données de consommations globales sont récupérées à partir d'un compteur Linky et transmises grâce au Zlinky_Tic. Un traitement est ensuite effectué au niveau d'un dispositif embarqué. Les résultats obtenus sont envoyés à l'utilisateur via une interface web. Dans le cadre du stage proposé, les tâches suivantes sont à effectuer :- Installation et test de Raspbian 64 bits Lite sur RPi4B- Récupération des données :- Etudier le transmetteur Zlinky : Sa connexion au compteur, ainsi que la communication avec des équipements distants via Zigbee ;- Définir les caractéristiques de la trame Zigbee reçue à partir du Zlinky,- Déterminer les informations nécessaires permettant la récupération des données transmises.- Choisir et installer une librairie permettant la récupération des données Zigbee sur la carte Rasberry Pi 4B (exp : Zigbee2MQTT)- Convertir le modèle NILM développé avec Tensorflow en un modèle Tensorflow Lite- Créer une distribution linux, en utilisant Yocto, contenant les drivers des modules de communication Zlinky et des capteurs intelligents, ainsi que les dépendances, les APIs et le modèle NILM (toute la solution développée).- Tester la distribution crée en environnement réel.Supports fournis- Le matériel nécessaire- Code source des méthodes développéesSupport à remettre- La solution fonctionnelle et les différents codes sources- Un rapport de stageBackground nécessaire : Programmation Python, les bus de communication, développement embarquéBackground souhaité :- IoT : MQTT, Mosquitto, NodeRed, Tensorflow Lite

Date de début

24 févr., 2025

Expérience

Inf_1

Profil

Etudiant en dernière année cycle d'ingénieur ou en 2ème année master système embarqué qui cherche un stage de 6 mois

Répartition du temps de travail

Full time

Fonction

Informatique_dev_hard

Durée (Mois)

6

Formation

RJ/Qualif/Ingenieur_B5

Secteur

ESN