手把手用Python模拟交变电流：生成、可视化与变压器仿真（附代码）

用Python构建交变电流实验室：从数学建模到变压器仿真实战

在物理教学中，交变电流的概念常常让学生感到抽象难懂——那些正弦曲线、相位差和电磁感应公式，在黑板上显得如此遥远。但如果我们能用代码将这些原理可视化，让公式"动起来"，情况就完全不同了。本文将带你用Python搭建一个虚拟电磁学实验室，通过NumPy的数学建模和Matplotlib的动态可视化，亲手"制造"交变电流，观察变压器的工作原理，把课本上的理论变成屏幕上跳动的波形。

1. 搭建Python电磁学实验环境

工欲善其事，必先利其器。我们需要配置一个适合科学计算和可视化的Python环境。推荐使用Anaconda发行版，它集成了我们所需的所有工具包。

# 基础工具包安装 import numpy as np # 数值计算核心 import matplotlib.pyplot as plt # 可视化主力 from matplotlib.animation import FuncAnimation # 动态演示 plt.style.use('seaborn') # 使用更美观的绘图样式

对于交互式实验，Jupyter Notebook是绝佳选择。它能让我们分段执行代码，即时看到每个步骤的效果。以下是环境配置的完整清单：

提示：使用%matplotlib notebook魔术命令可以让Matplotlib图表在Jupyter中交互式显示，方便调整观察角度。

2. 交变电流的数学建模与可视化

交变电流的核心公式E=NBSωsinωt描述了一个完美的正弦变化过程。让我们用代码实现这个数学模型：

# 参数设置 N = 100 # 线圈匝数 B = 0.5 # 磁感应强度(T) S = 0.1 # 线圈面积(m²) omega = 2 * np.pi * 50 # 角频率(rad/s)，对应50Hz工频 R = 10 # 电路电阻(Ω) t = np.linspace(0, 0.1, 1000) # 0.1秒内1000个时间点 # 计算电动势和电流 emf = N * B * S * omega * np.sin(omega * t) # 感应电动势 current = emf / R # 电路电流

现在让我们绘制这两个关键量的波形图：

fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(10, 6)) ax1.plot(t, emf, 'r-', label='电动势') ax1.set_ylabel('电动势(V)') ax1.legend() ax2.plot(t, current, 'b-', label='电流') ax2.set_xlabel('时间(s)') ax2.set_ylabel('电流(A)') ax2.legend() plt.tight_layout() plt.show()

这段代码会生成上下排列的两个子图，分别展示电动势和电流随时间的变化。你会观察到：

• 两者都是完美的正弦波
• 电流与电动势同相位（纯电阻电路）
• 频率完全相同（50Hz，即每秒50个周期）

为了更直观理解中性面的概念，我们可以创建一个动态演示：

def update(frame): ax.clear() theta = omega * frame # 绘制线圈位置 # 绘制磁感线 # 标注电动势大小 # (具体实现代码略) ani = FuncAnimation(fig, update, frames=np.linspace(0, 0.1, 100), interval=50) plt.show()

这个动画会展示线圈旋转过程中，电动势如何从零（中性面位置）逐渐增大到最大值，然后再减小。

3. 变压器仿真系统的构建

理想变压器的基本原理是电磁感应和能量守恒。让我们用Python模拟一个降压变压器的工作过程：

# 变压器参数 n_primary = 1000 # 原线圈匝数 n_secondary = 200 # 副线圈匝数 R_load = 5 # 负载电阻(Ω) # 原边电压(假设为220V RMS) Vp_rms = 220 Vp_amplitude = Vp_rms * np.sqrt(2) # 计算副边电压 Vs_amplitude = Vp_amplitude * (n_secondary / n_primary) Vs_rms = Vs_amplitude / np.sqrt(2) # 副边电流 Is_amplitude = Vs_amplitude / R_load Is_rms = Is_amplitude / np.sqrt(2) # 原边电流(能量守恒) Ip_amplitude = Is_amplitude * (n_secondary / n_primary) Ip_rms = Ip_amplitude / np.sqrt(2)

我们可以创建一个变压器仿真类来封装这些计算：

class IdealTransformer: def __init__(self, n_primary, n_secondary): self.n_primary = n_primary self.n_secondary = n_secondary self.turns_ratio = n_secondary / n_primary def analyze(self, Vp, R_load): Vs = Vp * self.turns_ratio Is = Vs / R_load Ip = Is * self.turns_ratio return { 'secondary_voltage': Vs, 'secondary_current': Is, 'primary_current': Ip }

使用这个类，我们可以轻松分析不同负载情况下的变压器工作状态：

transformer = IdealTransformer(1000, 200) results = [] loads = np.linspace(1, 10, 10) for R in loads: res = transformer.analyze(220, R) results.append(res['primary_current']) plt.plot(loads, results) plt.xlabel('负载电阻(Ω)') plt.ylabel('原边电流(A)') plt.title('负载变化对原边电流的影响') plt.grid(True)

4. 综合实验：从发电到输电的完整模拟

现在我们把前面各个模块组合起来，模拟一个完整的交变电流系统：发电→升压→输电→降压→用电。

# 1. 发电环节 emf = N * B * S * omega * np.sin(omega * t) # 2. 升压变压器(发电厂端) step_up = IdealTransformer(100, 1000) transmitted_voltage = step_up.analyze(emf.max(), 1)['secondary_voltage'] # 3. 输电线路模拟 line_resistance = 0.1 # 输电线电阻 transmitted_current = transmitted_voltage / (R_load + line_resistance) line_loss = transmitted_current**2 * line_resistance # 4. 降压变压器(用户端) step_down = IdealTransformer(1000, 100) user_voltage = step_down.analyze(transmitted_voltage, R_load)['secondary_voltage']

为了展示高压输电的优势，我们可以对比不同输电电压下的效率：

这个表格清晰地展示了提高输电电压如何显著减少能量损耗。在项目中，我们可以用代码自动生成这类比较：

def calculate_efficiency(V_transmit, R_line, R_load): I = V_transmit / (R_line + R_load) P_loss = I**2 * R_line P_total = V_transmit * I efficiency = 100 * (P_total - P_loss) / P_total return efficiency voltages = [220, 1000, 10000] efficiencies = [calculate_efficiency(v, line_resistance, R_load) for v in voltages]

5. 进阶实验：相位差与功率因数

在实际电路中，电感性和电容性负载会导致电压和电流之间存在相位差。我们可以扩展模型来研究这种现象：

# 添加电感元件 L = 0.1 # 电感(H) phi = np.arctan(omega * L / R) # 相位差 # 计算电流(现在有相位差了) current_amplitude = emf.max() / np.sqrt(R**2 + (omega * L)**2) current = current_amplitude * np.sin(omega * t - phi)

绘制电压和电流的相位关系：

plt.figure(figsize=(10, 4)) plt.plot(t, emf / emf.max(), 'r-', label='电压') plt.plot(t, current / current.max(), 'b-', label='电流') plt.xlabel('时间(s)') plt.title('电压与电流的相位差(φ={:.1f}°)'.format(np.degrees(phi))) plt.legend() plt.grid(True)

我们还可以计算和展示有功功率、无功功率和视在功率：

# 瞬时功率 instant_power = emf * current # 平均功率(有功功率) P_active = emf.max() * current_amplitude * np.cos(phi) / 2 # 无功功率 Q = emf.max() * current_amplitude * np.sin(phi) / 2 # 视在功率 S = emf.max() * current_amplitude / 2 power_data = { '有功功率(P)': P_active, '无功功率(Q)': Q, '视在功率(S)': S, '功率因数': P_active / S }

在教学中，这类可视化能帮助学生直观理解抽象的功率因数概念。我曾在一个高中物理项目中用类似的动画演示，学生们反馈这是他们第一次真正"看到"相位差的意义。