用Python+NumPy可视化理解电容器储能与电场能量密度

第一次接触电容器储能公式时，我盯着那个W=1/2 CU²看了整整十分钟——它看起来简单得可疑。直到我用Python把它拆解成可视化的代码，那些抽象的物理概念才真正活了起来。本文将带你用NumPy和Matplotlib，从代码的角度重新理解电容器储能和电场能量密度的本质。

1. 从公式到代码：电容器储能的可视化拆解

电容器的储能公式W=1/2 CU²看起来像是个数学魔术。让我们用Python把它分解成可交互的实验：

python复制import numpy as np
import matplotlib.pyplot as plt

def capacitor_energy(C, U):
    return 0.5 * C * U**2

# 参数范围设置
voltages = np.linspace(0, 100, 500)  # 0-100V
capacitances = [1e-6, 2.2e-6, 4.7e-6]  # 常见电容值：1μF, 2.2μF, 4.7μF

# 可视化不同电容下的储能曲线
plt.figure(figsize=(10,6))
for C in capacitances:
    energies = capacitor_energy(C, voltages)
    plt.plot(voltages, energies*1e3, label=f'C={C*1e6:.1f}μF')  # 转换为毫焦耳

plt.xlabel('电压 (V)')
plt.ylabel('储能 (mJ)')
plt.title('不同电容值下的储能-电压关系')
plt.legend()
plt.grid(True)
plt.show()

运行这段代码，你会立即发现三个关键现象：

1. 能量与电压的平方关系：曲线呈现明显的抛物线特征
2. 电容的线性放大作用：不同电容值的曲线间距保持恒定
3. 实际工程中的权衡：高电压储能效率更高，但需要更耐压的材料

提示：尝试修改代码中的电压范围，观察当电压超过常见电解电容的耐压值(通常50V)时，能量增长的陡峭程度。

2. 平行板电容器的电场能量密度模拟

平行板电容器内部的电场能量