Thèse soutenue

Développement d’une nouvelle approche d’évaluation du confort dans le contexte des véhicules électriques connectés
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Rachelle Abboud Abou Jaoude
Direction : Dominique Marchio
Type : Thèse de doctorat
Discipline(s) : Energétique et génie des procédés
Date : Soutenance le 08/12/2020
Etablissement(s) : Université Paris sciences et lettres
Ecole(s) doctorale(s) : Ecole doctorale Ingénierie des Systèmes, Matériaux, Mécanique, Énergétique
Partenaire(s) de recherche : Laboratoire : Centre Efficacité Énergétique des Systèmes. Paris
établissement de préparation de la thèse : École nationale supérieure des mines (Paris ; 1783-....)
Jury : Président / Présidente : Jean-Luc Harion
Examinateurs / Examinatrices : Dominique Marchio, Roch El Khoury, Maroun Nemer, Agnès Psikuta
Rapporteurs / Rapporteuses : Jean-Luc Harion, Françoise Thellier

Résumé

FR  |  
EN

Le confort thermique des conducteurs et des passagers dans les compartiments de la voiture est un sujet qui redevient d’actualité avec l'électrification des véhicules. En fait, les systèmes de climatisation et de chauffage peuvent réduire l'autonomie des véhicules électriques jusqu'à 50% dans certaines conditions. D'autre part, les modèles de représentation des personnes les plus utilisés sont encore ceux qui considèrent une personne moyenne standard. De nombreuses études ont montré les limites de ces modèles dans la prévision du confort thermique de différentes populations dans des environnements complexes. Par conséquent, si un confort thermique personnel correspondant à une consommation minimale d’énergie du véhicule est requis, il convient d’accorder une attention particulière à la compréhension de l’individualisation du modèle thermo-physiologique et à l’identification des paramètres clés ayant le plus d’influence sur le confort thermique. Une procédure d’individualisation a été exposée suivi d’une validation expérimentale du modèle personnalisé. La prise en compte des caractéristiques individuelle améliore la prédiction du modèle de 20% en moyenne.