一种信息机房运维检修作业装置

    公开(公告)号:CN104908020B

    公开(公告)日:2016-05-04

    申请号:CN201510349602.2

    申请日:2015-06-23

    IPC分类号: B25H5/00 B25H3/00 B25H1/12

    摘要: 一种信息机房运维检修作业装置,用于方便显示器、鼠标、键盘等的收纳安装。在工具柜的底部设有第一行走轮,在工具柜顶部设有安装架,在安装架上放置工作台,在工作台的顶部铰接安装有显示器和一对第一支撑杆,在显示器的两侧分别铰接安装第二支撑杆,两所述第二支撑杆与两第一支撑杆一一对应;在工作台的顶部设有鼠标腔,在鼠标腔的上部可转动的安装有鼠标板,在所述鼠标板的一端面上卡接有鼠标;在工作台的前侧面设有倾斜的键盘腔,在键盘腔中滑动安装有键盘支架。该装置,可实现对显示器、鼠标和键盘的折叠收纳,起到保护和防尘的效果。

    电源插头
    3.
    发明授权

    公开(公告)号:CN104917010B

    公开(公告)日:2017-06-16

    申请号:CN201510349931.7

    申请日:2015-06-23

    摘要: 电源插头的电流互感器与插头本体内的火线连接,电流互感器与电压输出电路连接,电压输出电路分别与比较器和充放电模块连接,比较器、指示灯、蜂鸣器、显示屏、按键、电能计量电路和无线模块分别与单片机连接,充放电模块分别为各个元器件供电,并为电池充放电提供基础;在插头本体上固定有拉环。本发明在电器转换为待机时可警示用户拔掉插头,充放电模块有两种供电模式,不需外加电源,节省电能;电压输出电路使电流互感器输出的电压分别传送给比较器和充放电模块,简化了电路结构,减小了设计成本;插头本体后表面的拉环上设计有指示灯,可以很醒目的让用户看到指示灯状态,还方便了插头的拔插。

    电力检测系统
    7.
    发明公开

    公开(公告)号:CN107390060A

    公开(公告)日:2017-11-24

    申请号:CN201710624768.X

    申请日:2017-07-27

    IPC分类号: G01R31/00

    CPC分类号: G01R31/00

    摘要: 本发明公开了电力检测系统,本发明结构简单,通过输入模块进行需要输入,显示模块将会显示该人员巡检工作情况,线路编辑功能能够适应多种地形;处理模块用于处理输入信号指令,所述处理模块还包括变色模块,用于将检测后的巡检点进行变色,经过的巡检点显示为绿色,若同一巡检路线上两个相邻巡检点巡检周期内都经过,则两点间路线也变为绿色,若未经过,则巡检点与路线都变为红色;进入电力巡检系统后默认为巡检点次与巡检点数统计页,可按年份查询巡检点信息,其具有不权限设置功能中设置的有巡检权限的人员,在整个电力巡检系统中,只要一经生成的数据即可在该查询中找到,查询也是用户用来直观了解数据的最好途径。

    一种基于聚类和神经网络的窃电用户检测方法及系统

    公开(公告)号:CN113724098B

    公开(公告)日:2023-10-13

    申请号:CN202110874191.4

    申请日:2021-07-30

    摘要: 本公开提供了一种基于聚类和神经网络的基于聚类和神经网络的窃电用户检测方法及系统,获取多个用户的用电序列数据;对获取的用电序列数据进行预处理;根据预处理后的用电序列数据和预设聚类算法,将用电用户分为非窃电用户簇和窃电用户簇;根据预设时间感知循环神经网络算法,将非窃电用户簇和窃电用户簇中的每个用户转化为表示向量;根据预设多层感知机神经网络和每个用户的表示向量,对非窃电用户簇中的窃电用户进行检测,对窃电用户簇中的非窃电用户进行排除,得到窃电用户的最终检测结果;本公开通过聚类分析和循环神经网络相结合的方法,提高了窃电用户检测的准确性。

    一种基于聚类和神经网络的窃电用户检测方法及系统

    公开(公告)号:CN113724098A

    公开(公告)日:2021-11-30

    申请号:CN202110874191.4

    申请日:2021-07-30

    摘要: 本公开提供了一种基于聚类和神经网络的基于聚类和神经网络的窃电用户检测方法及系统,获取多个用户的用电序列数据;对获取的用电序列数据进行预处理;根据预处理后的用电序列数据和预设聚类算法,将用电用户分为非窃电用户簇和窃电用户簇;根据预设时间感知循环神经网络算法,将非窃电用户簇和窃电用户簇中的每个用户转化为表示向量;根据预设多层感知机神经网络和每个用户的表示向量,对非窃电用户簇中的窃电用户进行检测,对窃电用户簇中的非窃电用户进行排除,得到窃电用户的最终检测结果;本公开通过聚类分析和循环神经网络相结合的方法,提高了窃电用户检测的准确性。