Offer details

Thèse CIFRE : Inférence causale par contrôles synthétiques construits par Deep Learning F/H (2023-79233)

Posted on 22/04/2023

EDF Main characteristics of the job offer
Contrat type:
thesis
Level of education:
Master 2
Experience:
Beginner
Specializations:
DATA - Applied Mathematics - Statistics
Country / Region:
France / Ile-de-France
Department:
Essonne (91)
City:
edf lab saclay

Description of the offer

Le projet de recherche consiste à évaluer les impacts d’actions MDE (Maîtrise de la Demande en Energie), par exemple : impact des plans de sobriété énergétique, de l’utilisation de nos services digitaux, de la rénovation thermique du logement, des variations de prix ou encore du remplacement d’appareils anciens pour des plus récents moins énergivores.
Dans notre contexte industriel, nous ne sommes pas en mesure de réaliser des expérimentations aléatoires contrôlées (impossibilité d’interdire ou forcer une rénovation thermique, un changement tarifaire ou un changement d’appareils). Pour cette raison, nous avons recours à des méthodes sur données observables. Le problème de ces méthodes est que le groupe de traitement est constitué de volontaires et ainsi risque de générer un biais de sélection entre les traités et les individus participant au groupe de contrôle.

En effet, plusieurs variables inobservables influent sur la consommation électrique, comme la conscience écologique, le profil gestionnaire, la qualité des travaux de rénovation … ce qui peut biaiser l’estimation de l’effet du traitement. Par conséquent, l’enjeu de ces méthodes est de construire un contrefactuel corrigé du bais de sélection.

Nous disposons désormais d’un atout : pour les clients donnant leur consentement, les compteurs communicants permettent de relever la courbe de consommation au pas 30 min ou journalier, reflétant ainsi leur comportement.

L’idée de ce projet consiste à se servir des formes des courbes pour capter l’effet des comportements et donc des variables inobservables ; et créer ainsi des groupes de contrôle synthétiques en nous inspirant des travaux de Guido Imbens et du laboratoire Van Der Schaar de UCLA (extraction de features, réduction de dimension, génération de variables latentes par Deep Learning). Les courbes de consommation étant bruitées, volatiles, et relevées à des fréquences élevées, il faudra adapter les travaux pré-cités à notre problématique, ce qui contribuera à l’originalité de ce projet de recherche.

 

Desired profile

Les candidats doivent être détenteurs d'un Master en Data Science.

D’excellentes compétences en Machine Learning, et programmation Python sont exigées.

La capacité à travailler en anglais et en français est nécessaire.

Informations complémentaires :

La thèse se déroulera dans le cadre d’une convention CIFRE entre EDF R&D et l’AMSE (Aix-Marseille School of Economics).

Le doctorant fera partie du programme doctoral AMSE et sera co-encadré par des chercheurs de l’AMSE et de EDF R&D.

Le doctorant travaillera dans les locaux de EDF R&D 7 boulevard Gaspard Monge à Palaiseau  et aussi dans ceux de l’AMSE. (3 semaines sur Palaiseau/ 1 semaine sur Marseille)

Les frais d’inscription au programme doctoral AMSE sont d’environ 400 €/an.

CDD de 3 ans

les Cv, lettre de motivation sont à envoyer à :

Blandine POTHIER blandine.pothier@edf.fr

Laurent BOZZI laurent.bozzi@edf.fr

Philippe Charpentier philippe.charpentier@edf.fr