【带阴影绘图和统计分布可视化】创建漂亮的带阴影绘图和用于可视化数据统计分布的图表附Matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

一、可视化设计思路

针对单相 STATCOM 的核心性能指标（如电网电流波形、谐波畸变率 THD、功率因数），设计两类可视化图表：

1. 带阴影绘图：用于展示动态数据的趋势范围（如补偿前后电流波形对比、不同负载下 THD 波动区间），通过阴影体现数据不确定性或波动范围；

1. 统计分布可视化：用于呈现静态指标的分布特征（如多组实验中 THD 的概率分布、功率因数的箱线图分析），直观反映数据离散度与集中趋势。

采用 Python 的matplotlib库实现，结合numpy生成仿真数据，配色遵循工程图表规范（如电网相关数据用蓝色系，补偿数据用橙色系），确保图表清晰、专业且具备可读性。

二、带阴影绘图实现（STATCOM 关键动态指标）

2.1 场景 1：补偿前后电网电流波形对比（含阴影误差带）

STATCOM 补偿前，电网电流因非线性负载干扰呈脉冲状（THD=35%）；补偿后电流接近正弦波（THD=4.2%）。为体现测量误差，为电流波形添加 ±5% 的阴影误差带。

• 阴影功能：通过fill()函数填充电流波形 ±5% 的误差带，体现实际测量中的精度范围，蓝色阴影对应补偿前，紫红色阴影对应补偿后；

• 关键信息：清晰展示补偿后电流波形的正弦性提升，THD 从 35% 降至 4.2%，误差带范围同步缩小，说明 STATCOM 不仅优化波形，还降低测量波动；

• 美观性：采用对比鲜明的配色，添加网格线与标注，图例带半透明背景，提升可读性。

2.2 场景 2：不同负载下 THD 值变化（带阴影趋势带）

测试 STATCOM 在不同非线性负载比例（0%-100%）下的 THD 抑制效果，每组负载比例重复 5 次实验，阴影带表示 THD 的最大值与最小值范围。

• 阴影功能：fill_between()函数填充 THD 的最大值与最小值区间，橙色阴影直观展示不同负载下的性能波动；

• 关键结论：当非线性负载比例≤10% 时，THD 均值≤5%，满足国标；负载比例增至 100% 时，THD 均值约 29%，但仍远低于无 STATCOM 时的 35%，体现 STATCOM 的负载适应性；

• 设计细节：添加红色虚线标注国标阈值，均值曲线用带白芯的橙色圆点标记，增强数据点的辨识度。

⛳️ 运行结果

🔗 参考文献

[1] 李凌丰.浅析AutoCAD绘制阴影线的问题[J].微计算机应用, 1997(002):018.

[2] 黄斌,赵伟,廖力达,et al.基于环境参数模型的缓坡光伏阵列反阴影策略研究[J].Power Generation Technology, 2025, 46(3).DOI:10.12096/j.2096-4528.pgt.23152.

[3] 方菊芹.遥感影像阴影检测与去除算法研究[D].西南交通大学,2014.

📣 部分代码

🎈 部分理论引用网络文献，若有侵权联系博主删除

 👇 关注我领取海量matlab电子书和数学建模资料 

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌈 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位

🌈 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌈图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌈 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

🌈 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌈 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌈 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌈电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电

🌈 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌈 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌈 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇