Python绘制带拐点垂直线的冷负荷持续曲线异常排查

问题概述 #

基于Excel冷负荷（Kältelast）数据绘制负荷持续曲线，要求X轴分别为时间占比和累计时长，并在拐点切线交点处添加垂直虚线。当前代码运行后，axvline未生成预期的垂直红线，反而显示水平线，核心问题出在拐点识别逻辑错误，导致传入axvline的X坐标无效。

数据样例 #

Excel数据结构示例（两列）：

时间序号,冷负荷(KW)
0,122.5
1,120.3
2,118.7
...
8759,78.2

当前代码（存在问题版本） #

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

# 读取Excel数据
df = pd.read_excel('冷负荷数据.xlsx')
# 降序排序冷负荷（负荷持续曲线要求）
load_data = df['冷负荷(KW)'].sort_values(ascending=False).values

# 计算X轴参数
time_ratio = np.linspace(0, 1, len(load_data))  # 时间占比0-1
cumulative_hours = np.linspace(0, 8760, len(load_data))  # 累计时长0-8760h

# 拐点识别（逻辑存在缺陷）
def find_inflection(load):
    second_deriv = np.diff(np.diff(load))
    inflect_idx = np.where(np.sign(second_deriv[:-1]) != np.sign(second_deriv[1:]))[0][0] + 2
    return inflect_idx

inflect_idx = find_inflection(load_data)
inflect_ratio = time_ratio[inflect_idx]
inflect_cum = cumulative_hours[inflect_idx]

# 绘图
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(14, 6))

# 子图1：时间占比为X轴
ax1.plot(time_ratio, load_data, 'b-', linewidth=1)
# 此处预期垂直红线，实际显示水平线
ax1.axvline(x=inflect_ratio, color='r', linestyle='--')
ax1.set_xlabel('时间占比')
ax1.set_ylabel('冷负荷(KW)')
ax1.set_title('负荷持续曲线（时间占比）')

# 子图2：累计时长为X轴
ax2.plot(cumulative_hours, load_data, 'b-', linewidth=1)
ax2.axvline(x=inflect_cum, color='r', linestyle='--')
ax2.set_xlabel('累计时长(h)')
ax2.set_ylabel('冷负荷(KW)')
ax2.set_title('负荷持续曲线（累计时长）')

plt.tight_layout()
plt.show()

效果对比 #

• 当前效果图：（显示水平线而非垂直虚线）
• 目标效果图：（在切线交点处显示垂直虚线）

问题修复方案 #

1. 水平线问题根源 #

如果axvline显示为水平线，大概率是拐点X坐标计算错误：要么是误将Y轴负荷值当作X坐标传入，要么是拐点识别逻辑输出了无效的索引，导致time_ratio[inflect_idx]或cumulative_hours[inflect_idx]取值异常。

2. 拐点识别逻辑修正（切线交点法） #

负荷持续曲线的拐点应为高负荷段与低负荷段切线的交点，替换原二阶导数识别法，改用直线拟合求交点：

def get_tangent_intersection(x_axis, load_values):
    # 划分高负荷段（前20%）和低负荷段（后20%），可根据数据调整比例
    high_split = int(len(x_axis) * 0.2)
    low_split = int(len(x_axis) * 0.8)
    
    # 拟合高负荷段直线
    high_coeff = np.polyfit(x_axis[:high_split], load_values[:high_split], 1)
    high_line = np.poly1d(high_coeff)
    
    # 拟合低负荷段直线
    low_coeff = np.polyfit(x_axis[low_split:], load_values[low_split:], 1)
    low_line = np.poly1d(low_coeff)
    
    # 计算两条直线的X交点
    intersect_x = (low_line[0] - high_line[0]) / (high_line[1] - low_line[1])
    return intersect_x

# 计算两个X轴对应的交点坐标
intersect_ratio = get_tangent_intersection(time_ratio, load_data)
intersect_cum = get_tangent_intersection(cumulative_hours, load_data)

3. 修正绘图代码 #

将axvline的X参数替换为正确的交点坐标：

# 子图1修正
ax1.axvline(x=intersect_ratio, color='r', linestyle='--', linewidth=1.5)
# 子图2修正
ax2.axvline(x=intersect_cum, color='r', linestyle='--', linewidth=1.5)

4. 额外验证步骤 #

• 确认冷负荷数据已严格降序排列，这是负荷持续曲线的绘制基础，若数据未排序，曲线形态会错误，导致拐点识别失效。
• 打印intersect_ratio和intersect_cum的值，验证是否在X轴合理范围内（时间占比0-1，累计时长0-8760）。

内容的提问来源于stack exchange，提问作者random_bot