Ingénieur d’études électriques

Réalisation d'études de systèmes énergétiques, couvrant les réseaux électriques HTA/BT, l'électronique de puissance et les systèmes de stockage d'énergie (BESS).

• Réalisation d'études techniques incluant le dimensionnement HT/BT, le bilan de puissance et les notes de calcul.
• Élaboration des schémas électriques et des plans d'implantation.
• Analyse des chutes de tension, des courts-circuits, des protections et de la sélectivité.
• Étude des transformateurs de puissance et des auxiliaires DC.
• Gestion de projet avec réalisation du chiffrage et préparation des CCTP/DPGF.
• Réponse aux appels d'offres en respectant les normes en vigueur.

Conception des systèmes d'entraînement et des équipements électriques des machines de terrassement et de mining.

• Dimensionnement de systèmes d'entraînement électrique raccordés par câble ou autonomes par batteries.
• Travail sur les pelles câblées GEV (Grid Electric Vehicle) en gérant l'alimentation de 400V, 1kV ou 6kV - 50Hz, les armoires électriques, le filtre THDi (CEM) et le coffret de protection avec fusibles.
• Conception des pelles sur batteries BEV (Battery Electric Vehicle) en dimensionnant et choisissant les moteurs électriques, les convertisseurs de puissance et les batteries Lithium-ion.
• Conception d'armoires et coffrets électriques pour l'alimentation des machines stationnaires, les protections et les protocoles de recharge Combo CCS (DC et AC).
• Étude du refroidissement des composants électriques.
• Traitement des données de test pour simuler la chaîne de traction.

Développement d'activités de recherche et développement axées sur la mobilité électrique et l'intelligence artificielle au sein d'iCube.

• Développement d'algorithmes d'intelligence artificielle appliqués aux Battery Management Systems (BMS) et aux Energy Management Systems (EMS).
• Conception et validation de stratégies de gestion énergétique pour des systèmes de stockage hybrides associant batteries Lithium-ion et supercondensateurs.
• Développement de modèles de Machine Learning pour l'estimation du State of Charge (SoC), du State of Health (SoH) et pour l'optimisation énergétique.
• Intégration des communications embarquées telles que CAN Bus, CANalyzer et Profibus.
• Interfaçage Plug & Charge entre les véhicules électriques et les bornes de recharge.
• Modélisation et dimensionnement de convertisseurs DC/DC et AC/DC pour les systèmes de stockage d'énergie et la recharge des véhicules électriques.
• Développement d'applications Machine Learning sous TensorFlow/Keras et Scikit-learn avec validation expérimentale sur banc d'essais.