Stage Ingénieur Estimation Batteries Lithium-Ion H/F Alstom

Chez Alstom, nous avons une connaissance pointue des réseaux de transport et comprenons ce qui conduit les individus à les emprunter. Des trains à grande vitesse, métros, monorails et tramways aux systèmes intégrés, services, infrastructures, et solutions de signalisation et de mobilité numérique, nous offrons à la diversité de nos clients le portefeuille le plus vaste du secteur. Chaque jour, plus de 80000collaborateurs dans le monde qui ouvrent la voie à des solutions de mobilité plus vertes et plus intelligentes pour relier les villes, réduire l'empreinte carbone et remplacer la voiture.

Description de la mission
Le secteur ferroviaire occupe une place centrale dans la transition vers une mobilité plus durable, grâce à son efficacité énergétique et à sa capacité à transporter de grandes quantités de passagers et de marchandises sur de longues distances. Face aux enjeux environnementaux et à la nécessité de réduire les émissions de gaz à effet de serre, l'électrification des trains et l'intégration de batteries lithium-ion performantes deviennent des axes stratégiques pour moderniser les réseaux ferroviaires, notamment dans les zones non électrifiées.
Dans ce contexte, la gestion intelligente et prédictive des batteries embarquées représente un défi majeur. Les conditions d'exploitation ferroviaire, caractérisées par des profils de charge et de décharge complexes, exigent des outils avancés pour surveiller l'état de santé (SOH) et l'état de charge (SOC) des batteries en temps réel, tout en optimisant leur durée de vie et leur sécurité.
Le concept de digital twin (jumeau numérique) s'impose alors comme une solution innovante et incontournable. En créant une réplique numérique dynamique du système batterie, le digital twin permet de simuler, d'analyser et de prédire le comportement des batteries dans des conditions réelles d'utilisation. Cette approche ouvre la voie à une maintenance prédictive, à une meilleure compréhension des phénomènes de vieillissement et à l'optimisation des stratégies d'exploitation, contribuant ainsi à la fiabilité et à la performance globale des trains électriques.
Les modèles fractionnaires constituent des outils avancés particulièrement adaptés à l'analyse du comportement des batteries. Ils permettent de représenter avec précision la dynamique d'impédance des cellules lithium-ion, en tenant compte des phénomènes complexes de diffusion et des effets non idéaux observés en conditions réelles. Grâce à cette approche, il devient possible d'identifier finement les paramètres internes de la batterie, ouvrant la voie à une gestion plus intelligente et à une maintenance préventive optimisée.
Le stage vise à approfondir l'application des modèles fractionnaires pour la gestion avancée des batteries lithium-ion dans le secteur ferroviaire. L'objectif est de proposer une méthodologie innovante pour le digital twin, permettant une meilleure compréhension en temps réel du comportement des batteries, afin d'optimiser la durée de vie des batteries embarquées et d'établir des règles de maintenance préventive ou corrective.
Missions principales :

Analyse des profils ferroviaires et identification des sollicitations typiques des batteries dans les trains électriques.
Développement et validation de modèles fractionnaires pour l'extraction des paramètres d'impédance pertinents.
Élaboration d'algorithmes d'estimation du SOC et du SOH à partir des paramètres identifiés.
Intégration des résultats dans une plateforme digital twin (simulation et visualisation en temps réel).

Votre profil

Bonnes connaissances en traitement du signal et identification des systèmes.
Connaissances en modélisation de batteries et systèmes embarqués.
Maîtrise de Matlab/Simulink et/ou Python.
Intérêt pour l'innovation dans le domaine du digital twin et la maintenance prédictive.
Bon niveau d'anglais, esprit d'équipe et autonomie.

Informations complémentaires

Type d'emploi : stage.
Durée : 6 mois à partir de début avril.
Localisation : Laboratoire d'Informatique et d'Automatique pour les Systèmes LIAS - ENSIP - Université de Poitiers en collaboration avec ALSTOM.

Il n'y a pas que les passionnés de trains qui s'épanouissent chez nous. Nul doute que vous ressentirez beaucoup de fierté lorsque vous monterez dans l'un de nos trains avec votre famille ou vos amis. Si vous aimez le challenge, nous serions ravis d'échanger avec vous!

Remarque importante

En tant qu'employeur présent dans plus de 63pays, nous souscrivons au principe d'égalité d'accès à l'emploi et valorisons la diversité. Nous nous sommes engagés à créer un environnement de travail inclusif pour tous.

Job Type:Stage/Apprenti