在电路分析中，当电路包含电感、电容等储能元件且工作在交流激励下时，电路参数常以复数形式表示，若同时存在二极管、晶体管等非线性元件，就会形成含复数变量的非线性电路方程组，这类方程组的求解复杂度较高，借助SymPy可以高效完成符号推导与数值求解。
SymPy基础与复数变量定义
SymPy是Python的开源符号计算库，支持符号定义、代数运算、方程求解等功能，首先需要通过pip安装SymPy：
pip install sympy
在SymPy中定义复数变量时，可以直接使用符号定义，也可以利用SymPy内置的复数相关函数，以下是基础使用示例：
import sympy as sp
# 定义实数符号变量
R, L, C, omega = sp.symbols('R L C omega', real=True, positive=True)
# 定义复数电压、电流符号变量
V, I = sp.symbols('V I', complex=True)
# 定义虚数单位
j = sp.I
# 计算电感的复数阻抗
Z_L = j * omega * L
# 计算电容的复数阻抗
Z_C = 1 / (j * omega * C)
print("电感阻抗Z_L:", Z_L)
print("电容阻抗Z_C:", Z_C)
构建含复数变量的非线性电路方程
以一个简单的非线性电路为例：电路中包含电阻R、电感L、电容C串联，同时并联一个非线性二极管，二极管的电流特性满足肖克利方程，交流激励源为复数电压V_s，需要求解电路的总电流I和各元件的电压。
首先根据基尔霍夫定律和二极管特性构建方程组：
- 串联支路的阻抗和：Z_total = R + j*omega*L + 1/(j*omega*C)
- 二极管电流方程：I_d = I_s * (sp.exp(V_d / (n*V_t)) - 1)，其中I_s为饱和电流，n为理想因子，V_t为热电压
- 并联节点电流关系：I = V_s / Z_total + I_d
- 节点电压关系：V_d = V_s - I * Z_total
将上述关系转化为SymPy可识别的方程组：
import sympy as sp
# 定义所有符号变量，包含非线性二极管的参数
R, L, C, omega, I_s, n, V_t = sp.symbols('R L C omega I_s n V_t', real=True, positive=True)
V_s, I, V_d, I_d = sp.symbols('V_s I V_d I_d', complex=True)
j = sp.I
# 串联支路总阻抗
Z_series = R + j * omega * L + 1/(j * omega * C)
# 方程组列表
equations = [
# 二极管电流方程
I_d - I_s * (sp.exp(V_d / (n * V_t)) - 1),
# 节点电压关系
V_d - (V_s - I * Z_series),
# 总电流等于串联支路电流加二极管电流
I - (V_s - V_d) / Z_series - I_d
]
# 查看方程组内容
for idx, eq in enumerate(equations):
print(f"方程{idx+1}:", eq)
求解非线性方程组
SymPy提供了nsolve函数用于求解非线性方程组的数值解，需要提供初始猜测值。首先给所有变量赋予实际的电路参数值，再设置初始猜测进行求解：
import sympy as sp
# 定义符号变量
R, L, C, omega, I_s, n, V_t = sp.symbols('R L C omega I_s n V_t', real=True, positive=True)
V_s, I, V_d, I_d = sp.symbols('V_s I V_d I_d', complex=True)
j = sp.I
# 串联支路总阻抗
Z_series = R + j * omega * L + 1/(j * omega * C)
# 方程组
equations = [
I_d - I_s * (sp.exp(V_d / (n * V_t)) - 1),
V_d - (V_s - I * Z_series),
I - (V_s - V_d) / Z_series - I_d
]
# 代入实际参数值，这里使用常见的电路参数
subs_dict = {
R: 10,
L: 0.001,
C: 1e-6,
omega: 1000,
I_s: 1e-12,
n: 1.5,
V_t: 0.026,
V_s: 5 + 2j # 复数激励电压
}
# 代入参数后的方程组
eq_sub = [eq.subs(subs_dict) for eq in equations]
# 设置初始猜测值，复数变量的初始猜测可以用实部和虚部表示
# 这里将复数变量拆分为实部和虚部分别求解
I_re, I_im = sp.symbols('I_re I_im', real=True)
V_d_re, V_d_im = sp.symbols('V_d_re V_d_im', real=True)
I_d_re, I_d_im = sp.symbols('I_d_re I_d_im', real=True)
# 替换复数变量为实部虚部组合
replace_dict = {
I: I_re + j * I_im,
V_d: V_d_re + j * V_d_im,
I_d: I_d_re + j * I_d_im
}
# 最终求解的方程组，拆分为实部和虚部两个等式
final_eqs = []
for eq in eq_sub:
eq_replaced = eq.subs(replace_dict)
final_eqs.append(sp.re(eq_replaced))
final_eqs.append(sp.im(eq_replaced))
# 初始猜测值列表，对应所有实部虚部变量的初始值
initial_guess = [0.1, 0.1, 0.1, 0.1, 0.1, 0.1]
# 求解方程组
solution = sp.nsolve(final_eqs, [I_re, I_im, V_d_re, V_d_im, I_d_re, I_d_im], initial_guess)
# 输出结果
print("总电流I的实部:", solution[0])
print("总电流I的虚部:", solution[1])
print("二极管电压V_d的实部:", solution[2])
print("二极管电压V_d的虚部:", solution[3])
print("二极管电流I_d的实部:", solution[4])
print("二极管电流I_d的虚部:", solution[5])
结果验证与分析
求解完成后，可以将得到的数值代入原方程组验证是否成立，同时可以根据需求计算其他电路参数，比如各元件的功率、相位差等。需要注意的是，非线性方程组可能存在多解，初始猜测值的选择会影响最终结果，若求解失败可以尝试调整初始猜测值。
对于更复杂的电路，只需按照上述流程，先根据电路定律构建方程组，再代入参数使用nsolve求解即可，SymPy的符号计算特性还可以帮助推导方程的解析形式，方便后续进行参数敏感性分析。