Thèse ' Resilient Infrastructures In Front Of Climate Change' H/F Orange

Les opérations réseau génèrent une dissipation de chaleur importante en raison des équipements qui convertissent l'énergie électrique consommée. Ainsi, des systèmes de climatisation sont utilisés pour contrôler les plages climatiques dans les salles techniques, en évacuant la chaleur dissipée à l'extérieur.
Comme le décrit le GIEC (organisme scientifique établi par les Nations Unies pour évaluer la science liée au changement climatique, ses impacts, ainsi que les stratégies potentielles d'adaptation et d'atténuation), le changement climatique entraînera des vagues de chaleur plus fréquentes et plus sévères.
Notre objectif est d'assurer la continuité des services partout et à tout moment, les systèmes de refroidissement étant des composants essentiels qui ne peuvent cesser de fonctionner, quelles que soient les conditions climatiques. Par conséquent, nous devons nous assurer d'être prêts à faire face à ces vagues de chaleur extrêmes. Pour cela, nous devons évaluer et renforcer la résilience des infrastructures.
L'objectif de la thèse est de mettre en place, après une recherche bibliographique approfondie, une méthodologie et des outils qui permettront au groupe Orange, de procéder à son adaptation aux chaleurs extrêmes en renforçant la résilience de ses infrastructures, et plus particulièrement la résilience de ses équipements de refroidissement.
Cela passera par le développement/l'adaptation d'un modèle thermique prédictif incluant le bâtiment, les équipements hébergés et l'environnement technique (équipements de refroidissement) pour définir des scénarios d'adaptation visant à renforcer la résilience de nos sites.
Pour être en mesure de prédire les dépassements de température, il faut être capable de prédire les températures d'air en salle, les températures des systèmes de production de froid, et la température du bâtiment.
Les approches préconisées pour lever ces verrous sont les suivantes :
- Modélisation du bâtiment à l'aide d'un modèle nodal
- Modélisation de la zone interne à l'aide d'un Physic-Informed Neural network
- Modélisation des PCM avec des LSTM
- Estimation des probabilités de défaillance du groupe de froid
Les principales réalisations attendues sont :
- Un modèle couplé, suffisant pour identifier les vulnérabilités, préconiser une adaptation ou de nouvelles infrastructures
- Des scénarios d'adaptation pour différents cas types
- Quelques éléments financiers