• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于改進EMD和RBFNN的短期風(fēng)速預(yù)測模型

    2016-07-11 03:28:04尹子中陳眾黃健俞曉鵬邱強杰文亮
    廣東電力 2016年4期

    尹子中,陳眾,黃健,俞曉鵬,邱強杰,文亮

    (1.長沙理工大學(xué) 電氣與信息工程學(xué)院,湖南 長沙 410114;2.邵陽市電力經(jīng)濟技術(shù)研究所,湖南 邵陽 422000)

    ?

    基于改進EMD和RBFNN的短期風(fēng)速預(yù)測模型

    尹子中1,陳眾1,黃健2,俞曉鵬1,邱強杰1,文亮1

    (1.長沙理工大學(xué) 電氣與信息工程學(xué)院,湖南 長沙 410114;2.邵陽市電力經(jīng)濟技術(shù)研究所,湖南 邵陽 422000)

    摘要:為提高短期風(fēng)速預(yù)測精度,提出改進經(jīng)驗?zāi)B(tài)分解法(empirical mode decomposition,EMD)與徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(radial basis function neural network,RBFNN)相結(jié)合的短期風(fēng)速預(yù)測模型。首先,利用極值點對稱延拓法對預(yù)處理過的風(fēng)速序列進行處理,以抑制傳統(tǒng)EMD在分解過程中所引起的邊緣效應(yīng),并引用分段三次埃米特插值法解決傳統(tǒng)EMD包絡(luò)線的過沖或欠沖問題;然后,利用改進EMD將風(fēng)速序列分解成各本征模態(tài)(intrinsic mode function,IMF)分量,再針對各分量分別構(gòu)建各自的RBFNN模型進行預(yù)測;最后,將各分量的預(yù)測結(jié)果進行重構(gòu)、疊加,得到最終的原始風(fēng)速預(yù)測值。實驗結(jié)果表明,改進的EMD-RBFNN預(yù)測模型能有效地提高風(fēng)速預(yù)測精度,并具有一定的應(yīng)用價值。

    關(guān)鍵詞:風(fēng)速預(yù)測;改進經(jīng)驗?zāi)B(tài)分解法;徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)

    風(fēng)電場風(fēng)速受多種因素(如氣壓、溫度、濕度)影響,呈現(xiàn)出非線性、非平穩(wěn)性特征,使風(fēng)電功率具有波動性的特點。而對風(fēng)電功率進行準(zhǔn)確預(yù)測,是提高電網(wǎng)運行穩(wěn)定性、保障電力系統(tǒng)制定合理調(diào)度計劃的有效途徑[1]。故此,對風(fēng)電場風(fēng)速進行準(zhǔn)確預(yù)測,不但是風(fēng)電功率預(yù)測的基礎(chǔ),而且對風(fēng)電場的規(guī)劃設(shè)計、開停機的計劃安排和電力系統(tǒng)的安全可靠性及經(jīng)濟效益的提高具有重要意義。

    風(fēng)速預(yù)測按照預(yù)測時間尺度劃分可分為短期預(yù)測(以分、小時為單位)、中期預(yù)測(以日、周為單位)和長期預(yù)測(以月、年為單位)[2],預(yù)測方法主要有單一預(yù)測法和組合預(yù)測法兩大類,其中單一預(yù)測法主要包括:時間序列法、卡爾曼濾波法、支持向量機法、經(jīng)驗?zāi)J椒纸夥ê腿斯ど窠?jīng)網(wǎng)絡(luò)法等。鑒于單一模型預(yù)測的平均絕對誤差相對較高,國內(nèi)外相關(guān)學(xué)者提出組合預(yù)測模型。文獻[3]采用時間序列法和神經(jīng)網(wǎng)絡(luò)組合法來解決訓(xùn)練、計算等速度較慢的問題,但難以達到預(yù)測極限,且預(yù)測精度也不高;文獻[4]采用經(jīng)驗?zāi)B(tài)分解(empirical mode decomposition,EMD)與支持向量機的組合模型(EMD-SVM)以實現(xiàn)風(fēng)速時間序列信號平穩(wěn)化,但其核函數(shù)及參數(shù)選擇與優(yōu)化計算復(fù)雜,且依賴風(fēng)速數(shù)據(jù)和設(shè)計者經(jīng)驗。文獻[5]采用基于小波分解與神經(jīng)網(wǎng)絡(luò)相結(jié)合法,可以達到收斂速度快的效果,但小波分解運用二抽取分解,致使信號的數(shù)據(jù)長度減半,影響風(fēng)速的預(yù)測精度。

    鑒于風(fēng)速序列的非線性、非平穩(wěn)性特點,在參考相關(guān)文獻的基礎(chǔ)上,本文根據(jù)我國湖南某風(fēng)電場獲得的現(xiàn)場數(shù)據(jù),建立基于改進EMD與徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(radial basis function neural network,RBFNN) 風(fēng)速組合預(yù)測模型,對風(fēng)速進行短期預(yù)測,并與實際風(fēng)速進行對比。

    1EMD及其改進

    1.1EMD簡介

    EMD由美籍華人Norden E.Huang等人于1998年提出,是一種被廣泛應(yīng)用的信號處理方法[6]。它能對復(fù)雜信號進行平穩(wěn)化處理,并使其分解為有限本征模函數(shù)(intrinsic mode function,IMF),所分解得到的各分量包含原始信號中不同時間尺度的局部特征信號,具有較強的自適應(yīng)性。

    尹子中,等:基于改進EMD和RBFNN的短期風(fēng)速預(yù)測模型已知某一信號(如風(fēng)速時序)X(t),EMD分解可描述為:

    (1)

    式中:Ci(t)為經(jīng)EMD分解后得到的IMF,反映原始信號中不同特征尺度分量;Rn(t)為剩余分量,一般為單調(diào)函數(shù)或足夠小常數(shù),反映原數(shù)據(jù)序列的變化趨勢。

    EMD分解的詳細過程可參考文獻[6],在此不再贅述。但需指出,傳統(tǒng)EMD在對時間序列起止點的處理中產(chǎn)生邊緣效應(yīng),使分解過程存在偏差。伴隨偏差的持續(xù)傳播使最終分解結(jié)果的偏差增大[7]。同時,傳統(tǒng)EMD在包絡(luò)線擬合過程中還存在過沖或欠沖問題[8]。因此,EMD在對時間序列預(yù)測過程中會產(chǎn)生一定的誤差,影響預(yù)測結(jié)果。

    1.2EMD的改進

    1.2.1邊緣效應(yīng)的抑制

    邊緣效應(yīng),是指傳統(tǒng)EMD在擬合上下包絡(luò)線時,由于端點附近沒有外部約束條件,使包絡(luò)線在端點附近偏離了實際包絡(luò)線。若信號為高頻分量,產(chǎn)生的邊緣效應(yīng)小,僅局限在信號兩端附近很小的范圍內(nèi),原因在于其極值點間距較小;若信號為低頻分量,則端部的邊緣效應(yīng)極易影響到信號內(nèi)部,嚴(yán)重時會使分解得到的IMF失真,因為此時極值點間距大(即時間跨度大)。故此,在求信號的上下包絡(luò)線時,應(yīng)在端點處做相應(yīng)處理以抑制邊緣效應(yīng),而不宜直接使用傳統(tǒng)的三次樣條函數(shù)或其他插值函數(shù)對信號進行擬合。

    基于此,本文采用極值點對稱延拓方法[9]。該方法是在鏡像延拓法的基礎(chǔ)上,增加了對稱點是否作為極值點插入處理的判斷,進而抑制誤差向內(nèi)傳播。該算法簡單,效果明顯。

    1.2.2包絡(luò)線擬合算法的改進

    對具有明顯的非線性、非平穩(wěn)性風(fēng)速信號來說,傳統(tǒng)的EMD分解所采用三次樣條函數(shù)插值法,在相鄰2個極大值或極小值之間的曲線不一定具有單調(diào)性,致使在擬合包絡(luò)線的過程中易產(chǎn)生過沖或欠沖現(xiàn)象。

    此處采用分段三次埃米特插值法[8]替代傳統(tǒng)三次樣條插值算法作為極值點包絡(luò)擬合算法,以確保在2個相鄰極大值或極小值之間的插值曲線呈現(xiàn)單調(diào)性,從而提高EMD的準(zhǔn)確度。

    已知節(jié)點c=x0

    a)Hl(x)∈[c,d];

    b)Hl(xk)= fk(k=0,1,…,n);

    c)Hl(x)在每個小區(qū)間[xk,xk+1]上是線性函數(shù)。

    如上可知,Hl(x)的導(dǎo)數(shù)是間斷的。已知導(dǎo)數(shù)值f′k=mk(mk為節(jié)點函數(shù)值的導(dǎo)數(shù)值),即可構(gòu)造一個導(dǎo)數(shù)連續(xù)的分段插值函數(shù)H′l(x),它的滿足條件與Hl(x)基本相同,只在每個小區(qū)間[xk,xk+1]上為三次多項式。根據(jù)兩點三次插值多項式可知,H′l(x)在區(qū)間[xk,xk+1]上的表達式為

    (2)

    對于k=0,1,…,n-1,式(2)成立。

    利用三次埃爾米特插值多項式的余項,可得誤差估計為

    式中x∈[xk,xk+1]。

    2RBFNN

    徑向基函數(shù)(radial basis function,RBF)由J.Moody和C.Darken于20世紀(jì)80年代末提出[10]。RBFNN由輸入層、隱含層和輸出層組成,它的每層神經(jīng)元與其他層的神經(jīng)元之間進行全連接,其中,隱含層神經(jīng)元的傳遞函數(shù)被稱為RBF。

    設(shè)輸入層、隱含層和輸出層神經(jīng)元個數(shù)分別為m、n、s,則RBFNN的結(jié)構(gòu)如圖1所示。

    選取高斯函數(shù)(Gaussian function)作為RBF,則隱含層第i個神經(jīng)元在輸入變量xk時的輸出為:

    (4)

    輸出層第p個神經(jīng)元的輸出為

    (5)

    式中:p=1,2,…,s;X為輸入矢量;wip為網(wǎng)絡(luò)輸出層的權(quán)值。

    整個RBFNN的性能取決于RBF的中心和權(quán)值的選擇。本文采用Widrow-Hoff學(xué)習(xí)規(guī)則[11]對輸出層的權(quán)值進行調(diào)整,并采用正交最小二乘法(OLS)來確定網(wǎng)絡(luò)的中心。正交最小二乘法可表述如下:

    (6)

    式中:ε為式(4)中的初始誤差;dp為第p個輸出層神經(jīng)元的期望輸出。

    采用RBFNN進行風(fēng)速短期預(yù)測的步驟如下:

    a)對風(fēng)速時間序列進行歸一化處理,即將輸入輸出層數(shù)據(jù)映射至[-1,1]區(qū)間。

    b)選用高斯函數(shù)作為RBF,同時采用正交最小二乘法通過Gram-Schimidt正交化依次確定RBF網(wǎng)絡(luò)的中心,并確定每個IMF分量的平滑參數(shù)和隱含層空間內(nèi)神經(jīng)元的最佳個數(shù),從而得到預(yù)測結(jié)果最優(yōu)解。

    c)使用訓(xùn)練樣本對RBF網(wǎng)絡(luò)進行學(xué)習(xí),通過設(shè)置合適的均方誤差以防止擬合過度,并輸入預(yù)測數(shù)據(jù)檢驗是否符合精度要求;若符合,則進行誤差分析,不符合,返回步驟b),重新選擇相關(guān)參數(shù)進行學(xué)習(xí);若對結(jié)果滿意則執(zhí)行下一步。

    d)輸入新數(shù)據(jù),并對其進行預(yù)測,最后進行誤差分析。

    3基于改進的EMD-RBFNN風(fēng)電場短期風(fēng)速預(yù)測

    3.1風(fēng)速預(yù)測模型

    鑒于風(fēng)速所呈現(xiàn)的非線性、非平穩(wěn)性特征,通常情況下,直接利用神經(jīng)網(wǎng)絡(luò)對風(fēng)速預(yù)測,效果較差。究其原因在于其非平穩(wěn)性特征,致使預(yù)測效果不佳。為了更好地適應(yīng)風(fēng)速非平穩(wěn)性特征,采用改進的EMD對風(fēng)速時序進行分解,以達到削弱風(fēng)速信號的非平穩(wěn)性效果;從而把分解所得各分量分別通過RBFNN進行預(yù)測;最終將各分量預(yù)測結(jié)果進行疊加、重構(gòu),得到原始風(fēng)速的預(yù)測值,有效地提高了預(yù)測精度。因此,本文提出改進的EMD-RBFNN組合風(fēng)速預(yù)測模型,并研究其預(yù)測精度及預(yù)測效果。

    基于改進EMD-RBFNN的預(yù)測步驟具體如下:

    a)對原始風(fēng)速時間序列進行預(yù)處理,剔除異常數(shù)據(jù)。

    b)用改進EMD將風(fēng)速序列進行分解,得到各IMF分量Ci(t)和剩余分量Rn(t)。

    c)對各IMF分量Ci(t)和剩余分量Rn(t)分別建立RBFNN預(yù)測模型,并選取高斯函數(shù)作為RBF及相關(guān)最佳參數(shù),得到各分解序列的預(yù)測值。

    d)通過疊加得到最終預(yù)測結(jié)果。

    e)與實際數(shù)據(jù)比較,計算誤差指標(biāo)并進行誤差分析。

    采用改進EMD-RBFNN模型進行預(yù)測的流程如圖2所示。

    3.2實例及結(jié)果分析

    本文研究數(shù)據(jù)來源于我國湖南某風(fēng)電場,以2015年7月實測風(fēng)速序列作為數(shù)據(jù)樣本。對于實測風(fēng)速序列,每10min采樣1個點,共采集600個采樣點,利用前480個采樣點作為訓(xùn)練樣本,后120個采樣點作為測試樣本。

    3.2.1風(fēng)速序列的EMD

    與傳統(tǒng)EMD算法對風(fēng)速序列分解相比,運用改進的EMD算法對風(fēng)速序列分解得到的IMF更平穩(wěn),且波動范圍更小。兩種算法得到的風(fēng)速分量Ci和Rn如圖3所示。

    由圖3可知,與傳統(tǒng)EMD分解得到的分量相比,使用改進EMD算法得到的高頻分量部分(C1(t)、C2(t))波動小,更趨平穩(wěn);低頻分量部分(C3(t)~C6(t))的波動也明顯變??;剩余分量R7(t)的變化趨勢也很明顯。

    3.2.2仿真結(jié)果及分析

    為驗證本文所提預(yù)測模型的有效性,在MATLAB平臺上,分別采用RBFNN模型、傳統(tǒng)EMD-RBFNN組合模型以及改進的EMD-RBFNN組合模型,對風(fēng)速序列進行短期預(yù)測,各種模型的風(fēng)速預(yù)測結(jié)果如圖4所示。

    采用三誤差評價體系,即歸一化絕對平均誤差(MAPE)、歸一化均方根誤差(RMSE)、以及最大絕對誤差(Max-AE)來檢驗?zāi)P皖A(yù)測效果。

    (7)

    (8)

    (9)

    式(7)至(9)中:eMAPE為絕對平均誤差;eRMSE為均方根誤差;eMAX-AE為單點最大絕對誤差;m、ui和u′i分別表示樣本個數(shù)、風(fēng)速實際值和風(fēng)速預(yù)測值。

    3種預(yù)測模型的誤差指標(biāo)見表1。

    表1不同風(fēng)速預(yù)測方法的誤差對比

    由表1可知,與單一的RBFNN預(yù)測模型和傳統(tǒng)的EMD-RBFNN預(yù)測模型相比,基于改進的EMD-RBFNN風(fēng)速預(yù)測模型具有更高的預(yù)測精度。其絕對平均誤差(MAPE)降到了4.235%,均方根誤差(RMSE)降到了2.731%,單點最大絕對誤差(Max-AE)也大幅下降,預(yù)測性能明顯得到改善。故此,本文所采用短期風(fēng)速預(yù)測模型,不僅在總體上提高了預(yù)測的精度,而且各預(yù)測值與實際值的接近程度都有了一定提高,實現(xiàn)了較高精度的短期風(fēng)速預(yù)測。

    4結(jié)束語

    針對風(fēng)速時間序列的非線性和非平穩(wěn)性特征,采用改進EMD對風(fēng)速時間序列進行分解。通過極值點對稱延拓法以抑制傳統(tǒng)EMD過程中的邊緣效應(yīng);使用分段三次埃米特插值算法代替三次樣條插值法,以改善經(jīng)驗?zāi)B(tài)擬合包絡(luò)線存在的過沖或欠沖問題。為提高預(yù)測精度,利用改進EMD的處理非平穩(wěn)信號特性和RBFNN的非線性逼近能力,提出基于改進EMD-RBFNN組合法的短期風(fēng)速預(yù)測模型。最后,將該預(yù)測模型應(yīng)用于我國湖南某風(fēng)電場的風(fēng)速預(yù)測。算例表明,本文所采用的預(yù)測模型可以更好地預(yù)測風(fēng)速的變化趨勢,有效提高短期風(fēng)速的預(yù)測精度,且具有一定的應(yīng)用價值。

    參考文獻:

    [1] 黃學(xué)良,劉志仁,祝瑞金,等.大容量變速恒頻風(fēng)電機組接入對電網(wǎng)運行的影響分析[J]. 電工技術(shù)學(xué)報,2010,25(4):142-149.

    HUANG Xueliang,LIU Zhiren,ZHU Ruijin,et al. Impact of Power System Integrated With Large Capacity of Variable Speed Constant Frequency Wind Turbines [J]. Transactions of China Electrotechnical Society,2010,25(4):142-149.

    [2] 羅文,王莉娜.風(fēng)電場短期風(fēng)速預(yù)測研究[J]. 電工技術(shù)學(xué)報,2011,26(7): 68-74.

    LUO Wen,WANG Lina. Short-term Wind Speed Forecasting for Wind Farm[J]. Transactions of China Electrotechnical Society,2011,26(7):68-74.

    [3] JAMES W T,PATRICK E,SHARRY M. Wind Power Density Forecasting Using Ensemble Predictions and Times Series Models [J]. IEEE Transactions on Energy Conversion,2009,24(3):775-782.

    [4] 葉林,劉鵬.基于經(jīng)驗?zāi)B(tài)分解和支持向量機的短期風(fēng)電功率組合預(yù)測模型[J]. 中國電機工程學(xué)報,2011,31(31):102-108.

    YE Lin,LIU Peng. Combined Model Based on EMD-SVM for Short-term Wind Power Prediction [J]. Proceedings of the CSEE,2011,31(31):102-108.

    [5] 楊琦,張建華,王向峰,等.基于小波-神經(jīng)網(wǎng)絡(luò)的風(fēng)速及風(fēng)力發(fā)電量預(yù)測[J]. 電網(wǎng)技術(shù),2009,33(17):44-48.

    YANG Qi,ZHANG Jianhua,WANG Xiangfeng,et al. Wind Speed and Generated Wind Power Forecast Based on Wavelet-Neural Network[J]. Power System Technology,2009,33(17):44-48.

    [6] HUANG N E,SHEN Zheng,LONG S R,et al. The Empirical Mode Decomposition and The Hilbert Spectrum for Nonlinear an Non-stationary Time Series Analysis[J]. Proceedings:Mathematical,Physical and Engineering Sciences,1998,454(1971):903-995.

    [7] NING Jing,CHU Changqian,GAO Pinxian. Study on Extending Method of EMD [J]. Computer Engineering and Application,2011,47(3):125-128.

    [8] WANG Peng,CHEN Guochu,XU Yufa. Improved Empirical Mode Decomposition and Its Application to Wind Power Forecasting [J]. Control Engineering of China,2011,4(18):88-91.

    [9] 舒忠平,楊智春.抑制經(jīng)驗?zāi)7纸膺吘壭?yīng)的極值點對稱延拓法[J]. 西北工業(yè)大學(xué)學(xué)報,2006,24(5):639-643.

    SHU Zhongping,YANG Zhichun. A Better Method for Effectively Suppressing End Effect of Empirical Mode Decomposition (EMD)[J]. Journal of Northwestern Polytechnical University,2006,24(5):639-643.

    [10] 王孔森,盛戈皞,孫旭日,等.基于徑向基神經(jīng)網(wǎng)絡(luò)的輸電線路動態(tài)容量在線預(yù)測[J]. 電網(wǎng)技術(shù),2013,37(6):1719-1725.

    WANGKongsen,SHENGGehao,SUNXuri,etal.OnlinePredictionofTransmissionDynamicLineRatingBasedonRadialBasisFunctionNeuralNetwork[J].PowerSystemTechnology,2013,37(6):1719-1725.

    [11]CAMERONWP,NEGNEVITSKYM.VeryShort-termWindForecastingforTasmanianPowerGeneration[J].IEEETransactionsonPowerSystems,2006,21(2):965-972.

    尹子中(1988),男,湖南邵陽人。在讀碩士研究生,研究方向為電力系統(tǒng)運行與控制。

    陳眾(1974),男,湖南長沙人。碩士生導(dǎo)師,工學(xué)博士,主要研究方向為電力系統(tǒng)運行與控制,人工智能技術(shù)及應(yīng)用等。

    黃健(1989),男,湖南邵陽人。助理工程師,工學(xué)碩士,主要從事電網(wǎng)規(guī)劃工作。

    (編輯霍鵬)

    Prediction Model for Short-term Wind Speed Based on Improved EMD and RBFNN

    YIN Zizhong1, CHEN Zhong1, HUANG Jian2, YU Xiaopeng1, QIU Qiangjie1, WEN Liang1

    (1.College of Electrical and Information Engineering, Changsha University of Science & Technology, Changsha, Hunan 410114, China; 2. Shaoyang Electric Power Economic and Technical & Research Institute, Shaoyang, Hunan 422000, China)

    Key words:wind speed prediction; improved empirical mode decomposition (EMD); radial basis function neural network (RBFNN)

    Abstract:In order to improve precision of prediction on short-term wind speed, a prediction model for short-term wind speed combining improved empirical model decomposition (EMD) and radial basis function neural network (RBFNN) is proposed. Firstly, extreme point symmetric extension is used for processing on preprocessed wind speed sequences so as to restrain fringe effect in decomposition caused by traditional EMD, and piecewise cubic Hermite interpolation method is used to solve overshoot or undershoot of traditional EMD envelope lines. Then, improved EMD is used to decompose wind speed sequences into different intrinsic mode function (IMF) components and respective RBFNN model is constructed for prediction. Finally, prediction results of various components are reconstructed and overlayed to get final predicted value of original wind speed. Experimental results indicate that the improved EMD-RBFNN prediction model is able to effectively improve precision of prediction on wind speed and has certain application value.

    doi:10.3969/j.issn.1007-290X.2016.04.006

    收稿日期:2015-09-28

    中圖分類號:TM614;TB115

    文獻標(biāo)志碼:A

    文章編號:1007-290X(2016)04-0034-05

    作者簡介:

    成人欧美大片| 国产精品久久久久久精品电影| 国产精品久久久久久久电影| 亚洲午夜理论影院| 九九爱精品视频在线观看| 91麻豆av在线| 国产精品美女特级片免费视频播放器| 两个人视频免费观看高清| 久久精品91蜜桃| 干丝袜人妻中文字幕| 毛片一级片免费看久久久久 | www日本黄色视频网| 精品一区二区三区视频在线观看免费| 欧美日本视频| 精品久久久久久久久久免费视频| 亚洲精品456在线播放app | 婷婷丁香在线五月| 麻豆成人av在线观看| 婷婷亚洲欧美| 极品教师在线视频| 精品午夜福利视频在线观看一区| 我要搜黄色片| 男女做爰动态图高潮gif福利片| 成人国产一区最新在线观看| 国语自产精品视频在线第100页| 亚洲精华国产精华液的使用体验 | 91午夜精品亚洲一区二区三区 | 亚洲精品国产成人久久av| 黄片wwwwww| 黄色一级大片看看| 啦啦啦观看免费观看视频高清| 亚洲美女搞黄在线观看 | 99国产精品一区二区蜜桃av| 国产成年人精品一区二区| 成人三级黄色视频| 亚洲av中文av极速乱 | 亚洲av免费高清在线观看| 美女xxoo啪啪120秒动态图| 美女大奶头视频| 国产午夜精品久久久久久一区二区三区 | 99久久精品热视频| av中文乱码字幕在线| 男人舔奶头视频| 熟女电影av网| 日韩,欧美,国产一区二区三区 | 久久久久久久亚洲中文字幕| 蜜桃久久精品国产亚洲av| 97超级碰碰碰精品色视频在线观看| 日本欧美国产在线视频| 久久亚洲真实| 性插视频无遮挡在线免费观看| 两个人视频免费观看高清| 69av精品久久久久久| 黄色视频,在线免费观看| 欧美性猛交黑人性爽| 国产精品人妻久久久影院| 黄色女人牲交| 国内揄拍国产精品人妻在线| 婷婷精品国产亚洲av在线| 日本黄大片高清| 国产精品一区二区性色av| 亚洲成人久久性| 欧美不卡视频在线免费观看| 免费无遮挡裸体视频| 色综合色国产| 熟妇人妻久久中文字幕3abv| 国产精品乱码一区二三区的特点| 日韩,欧美,国产一区二区三区 | 国产伦一二天堂av在线观看| 人人妻人人看人人澡| 国内精品久久久久精免费| 国产久久久一区二区三区| 亚洲男人的天堂狠狠| 桃色一区二区三区在线观看| 国产成人aa在线观看| 久久午夜亚洲精品久久| 色精品久久人妻99蜜桃| 少妇猛男粗大的猛烈进出视频 | 精品免费久久久久久久清纯| 亚洲av日韩精品久久久久久密| 欧美黑人欧美精品刺激| 香蕉av资源在线| 日韩欧美一区二区三区在线观看| 深夜a级毛片| 1000部很黄的大片| 成人毛片a级毛片在线播放| 日韩人妻高清精品专区| 男女啪啪激烈高潮av片| 亚洲av中文av极速乱 | 日本欧美国产在线视频| 国产真实乱freesex| 能在线免费观看的黄片| 国产成人av教育| 中文字幕精品亚洲无线码一区| 99国产精品一区二区蜜桃av| 国产一区二区三区在线臀色熟女| 听说在线观看完整版免费高清| 免费观看人在逋| 成人午夜高清在线视频| 亚洲五月天丁香| 最后的刺客免费高清国语| 禁无遮挡网站| xxxwww97欧美| 日本黄色片子视频| 女的被弄到高潮叫床怎么办 | 国产爱豆传媒在线观看| 日韩欧美国产一区二区入口| 欧美日本亚洲视频在线播放| av国产免费在线观看| www日本黄色视频网| 久久久成人免费电影| 丰满人妻一区二区三区视频av| 色吧在线观看| 99在线人妻在线中文字幕| 久久久久久国产a免费观看| 亚洲狠狠婷婷综合久久图片| 乱人视频在线观看| 两个人视频免费观看高清| www.www免费av| 国产精品嫩草影院av在线观看 | 亚洲三级黄色毛片| 国产伦精品一区二区三区四那| 看黄色毛片网站| 中国美白少妇内射xxxbb| 中国美白少妇内射xxxbb| 欧美三级亚洲精品| 大型黄色视频在线免费观看| 国产一区二区三区视频了| 我的老师免费观看完整版| 夜夜看夜夜爽夜夜摸| 欧美日韩综合久久久久久 | 又粗又爽又猛毛片免费看| 中文字幕av成人在线电影| 最好的美女福利视频网| 亚洲乱码一区二区免费版| 一级a爱片免费观看的视频| 黄片wwwwww| 日韩一本色道免费dvd| 日韩欧美 国产精品| 在线天堂最新版资源| 亚洲av五月六月丁香网| 国产高清不卡午夜福利| 三级男女做爰猛烈吃奶摸视频| 不卡一级毛片| 国产乱人伦免费视频| 国产极品精品免费视频能看的| 日本黄色视频三级网站网址| 不卡一级毛片| 国产一区二区三区视频了| 久久精品人妻少妇| 一a级毛片在线观看| 亚洲熟妇熟女久久| 亚洲狠狠婷婷综合久久图片| 久久天躁狠狠躁夜夜2o2o| 国产人妻一区二区三区在| 日韩 亚洲 欧美在线| 久久久久性生活片| 亚洲男人的天堂狠狠| 久久国产精品人妻蜜桃| 日韩在线高清观看一区二区三区 | 91午夜精品亚洲一区二区三区 | 嫁个100分男人电影在线观看| 亚洲国产色片| 国产人妻一区二区三区在| 成人鲁丝片一二三区免费| 精品久久久久久成人av| 午夜精品一区二区三区免费看| 午夜视频国产福利| 久久精品国产亚洲av涩爱 | 97热精品久久久久久| 亚洲四区av| 韩国av在线不卡| 欧洲精品卡2卡3卡4卡5卡区| 啦啦啦韩国在线观看视频| 韩国av一区二区三区四区| 一区二区三区激情视频| 亚洲精品一区av在线观看| 国产蜜桃级精品一区二区三区| 十八禁网站免费在线| 精品免费久久久久久久清纯| 成年人黄色毛片网站| 免费在线观看成人毛片| 国产av一区在线观看免费| 久久久久久久久中文| 国产高清不卡午夜福利| 嫩草影视91久久| 国产免费av片在线观看野外av| 我要看日韩黄色一级片| 春色校园在线视频观看| 三级毛片av免费| 欧洲精品卡2卡3卡4卡5卡区| 国产伦精品一区二区三区四那| 少妇高潮的动态图| 两个人的视频大全免费| 欧美日韩精品成人综合77777| 久久欧美精品欧美久久欧美| 97碰自拍视频| 无遮挡黄片免费观看| 亚州av有码| 久久久久久国产a免费观看| 两个人视频免费观看高清| 最近在线观看免费完整版| 国产视频内射| 99久久成人亚洲精品观看| 在线播放无遮挡| 亚洲人成网站在线播放欧美日韩| 国产 一区精品| 亚洲国产欧美人成| 禁无遮挡网站| 久久久国产成人精品二区| 日日夜夜操网爽| 亚洲精品一卡2卡三卡4卡5卡| 国产精品一区二区性色av| 精品久久久久久,| 色哟哟·www| www.www免费av| 欧美3d第一页| 久久人妻av系列| 波多野结衣巨乳人妻| 老司机深夜福利视频在线观看| 亚洲精品一卡2卡三卡4卡5卡| 亚洲专区中文字幕在线| 精品久久久久久,| 色综合亚洲欧美另类图片| 欧美性感艳星| 久9热在线精品视频| 精品久久久久久久久久久久久| 国产亚洲精品av在线| 国产精品1区2区在线观看.| 日本免费一区二区三区高清不卡| 久久99热这里只有精品18| 亚洲精品色激情综合| 婷婷色综合大香蕉| 五月玫瑰六月丁香| 91久久精品国产一区二区成人| 日日干狠狠操夜夜爽| 亚洲精品影视一区二区三区av| 亚洲精品影视一区二区三区av| 一本一本综合久久| 如何舔出高潮| 色综合婷婷激情| 999久久久精品免费观看国产| 亚洲美女黄片视频| 欧美性猛交黑人性爽| 欧美黑人巨大hd| 国内精品久久久久久久电影| 中文字幕久久专区| av福利片在线观看| 国产一区二区三区av在线 | 特大巨黑吊av在线直播| 国产av麻豆久久久久久久| 女同久久另类99精品国产91| 久久精品夜夜夜夜夜久久蜜豆| 亚洲av一区综合| 国产精品美女特级片免费视频播放器| 午夜久久久久精精品| 国产伦在线观看视频一区| 91久久精品电影网| 男女做爰动态图高潮gif福利片| 我要看日韩黄色一级片| 久久国内精品自在自线图片| 亚洲图色成人| 国产伦在线观看视频一区| 久久欧美精品欧美久久欧美| 哪里可以看免费的av片| 嫁个100分男人电影在线观看| 国内精品宾馆在线| 免费看av在线观看网站| 国产成人a区在线观看| 成人高潮视频无遮挡免费网站| 国产精品综合久久久久久久免费| 国产精品久久久久久精品电影| 中亚洲国语对白在线视频| 免费看日本二区| 伦精品一区二区三区| av在线蜜桃| 他把我摸到了高潮在线观看| 免费搜索国产男女视频| 少妇人妻精品综合一区二区 | 成年女人看的毛片在线观看| av国产免费在线观看| 亚洲av熟女| 午夜激情福利司机影院| 国产精品电影一区二区三区| 亚洲一区二区三区色噜噜| 亚洲av美国av| 欧美在线一区亚洲| 免费看av在线观看网站| 亚洲成av人片在线播放无| av在线蜜桃| 色哟哟·www| 国产麻豆成人av免费视频| 黄色欧美视频在线观看| 悠悠久久av| 男女边吃奶边做爰视频| 色哟哟·www| 毛片女人毛片| 日韩大尺度精品在线看网址| 色综合色国产| 成人三级黄色视频| 日本免费a在线| 欧美中文日本在线观看视频| 亚洲中文日韩欧美视频| 午夜福利在线观看免费完整高清在 | 俄罗斯特黄特色一大片| 在现免费观看毛片| 日韩一区二区视频免费看| 悠悠久久av| 亚洲专区国产一区二区| 五月伊人婷婷丁香| 最近中文字幕高清免费大全6 | 黄色丝袜av网址大全| 中国美白少妇内射xxxbb| 午夜影院日韩av| 一个人免费在线观看电影| 成人亚洲精品av一区二区| 色综合色国产| 国内揄拍国产精品人妻在线| 最后的刺客免费高清国语| 国产av一区在线观看免费| 久久精品91蜜桃| 国产精品国产三级国产av玫瑰| 国产欧美日韩一区二区精品| 窝窝影院91人妻| 久久久午夜欧美精品| 午夜亚洲福利在线播放| 色av中文字幕| 在线天堂最新版资源| 波多野结衣高清作品| 99在线视频只有这里精品首页| 又黄又爽又刺激的免费视频.| 999久久久精品免费观看国产| 国产精品国产三级国产av玫瑰| 午夜福利视频1000在线观看| 尤物成人国产欧美一区二区三区| 国内精品一区二区在线观看| 美女大奶头视频| 国产精品免费一区二区三区在线| 欧美成人一区二区免费高清观看| 国内久久婷婷六月综合欲色啪| 亚洲中文字幕一区二区三区有码在线看| 男女边吃奶边做爰视频| aaaaa片日本免费| 老司机深夜福利视频在线观看| 一级a爱片免费观看的视频| 99久久无色码亚洲精品果冻| 天堂影院成人在线观看| av.在线天堂| 麻豆国产97在线/欧美| 色av中文字幕| 黄色一级大片看看| 久久精品国产自在天天线| 少妇猛男粗大的猛烈进出视频 | 亚洲无线观看免费| 男人舔女人下体高潮全视频| 99riav亚洲国产免费| 免费在线观看日本一区| 91午夜精品亚洲一区二区三区 | 看黄色毛片网站| 搡老岳熟女国产| 毛片女人毛片| 午夜久久久久精精品| 国产成人一区二区在线| 久久久久免费精品人妻一区二区| 精品久久久久久成人av| 亚洲第一区二区三区不卡| 欧美成人性av电影在线观看| 久久草成人影院| 在线观看av片永久免费下载| 亚洲五月天丁香| 国产成人一区二区在线| 国产亚洲91精品色在线| 听说在线观看完整版免费高清| 成人毛片a级毛片在线播放| av天堂中文字幕网| 中文字幕高清在线视频| 欧美最新免费一区二区三区| 热99在线观看视频| a在线观看视频网站| 波多野结衣巨乳人妻| 国产三级在线视频| 国产精品精品国产色婷婷| 精品久久久久久成人av| 国产极品精品免费视频能看的| 国产亚洲91精品色在线| 久久99热6这里只有精品| 黄色一级大片看看| 国产精品国产三级国产av玫瑰| 狂野欧美白嫩少妇大欣赏| 欧美绝顶高潮抽搐喷水| 国产精品久久久久久精品电影| 亚洲欧美日韩高清专用| 中国美白少妇内射xxxbb| 搡女人真爽免费视频火全软件 | 波多野结衣高清作品| 国产精品一区www在线观看 | 亚洲最大成人av| 国产精品久久久久久久久免| 伦理电影大哥的女人| 国产精品人妻久久久影院| 国产中年淑女户外野战色| 网址你懂的国产日韩在线| 男女边吃奶边做爰视频| 精品99又大又爽又粗少妇毛片 | 久久天躁狠狠躁夜夜2o2o| 国产探花在线观看一区二区| 91午夜精品亚洲一区二区三区 | 亚洲,欧美,日韩| 一进一出好大好爽视频| 在线看三级毛片| 亚洲经典国产精华液单| 有码 亚洲区| 久久99热6这里只有精品| 亚洲人成网站在线播放欧美日韩| 国产一区二区亚洲精品在线观看| 色视频www国产| 亚洲国产高清在线一区二区三| 淫秽高清视频在线观看| 在线播放国产精品三级| 国产三级中文精品| 欧美成人a在线观看| 成人一区二区视频在线观看| 国产一区二区在线观看日韩| 夜夜爽天天搞| 联通29元200g的流量卡| 欧美日韩精品成人综合77777| 国产亚洲av嫩草精品影院| netflix在线观看网站| 香蕉av资源在线| 免费在线观看成人毛片| 黄色日韩在线| 久久久久久国产a免费观看| 国产av一区在线观看免费| 亚洲 国产 在线| 97热精品久久久久久| 亚洲成av人片在线播放无| 99热网站在线观看| 性欧美人与动物交配| 国产精品亚洲一级av第二区| 国产一区二区三区在线臀色熟女| 高清在线国产一区| 悠悠久久av| 啪啪无遮挡十八禁网站| 欧美一级a爱片免费观看看| 久久人人精品亚洲av| 久久九九热精品免费| 亚洲欧美日韩东京热| 十八禁网站免费在线| 女的被弄到高潮叫床怎么办 | 国产欧美日韩精品一区二区| 黄色配什么色好看| 国产高清视频在线观看网站| 干丝袜人妻中文字幕| 日本-黄色视频高清免费观看| 九九热线精品视视频播放| 亚洲av不卡在线观看| 午夜福利高清视频| 亚洲av免费高清在线观看| 少妇熟女aⅴ在线视频| 欧美日韩乱码在线| 在线国产一区二区在线| 亚洲精品粉嫩美女一区| 国产探花在线观看一区二区| 国产精品一区二区三区四区久久| 日本三级黄在线观看| 黄片wwwwww| 日本黄色片子视频| 91久久精品电影网| 毛片一级片免费看久久久久 | 亚洲成人免费电影在线观看| 免费大片18禁| 十八禁国产超污无遮挡网站| 美女大奶头视频| 午夜爱爱视频在线播放| 波野结衣二区三区在线| 国产一区二区亚洲精品在线观看| 精品日产1卡2卡| 人人妻人人澡欧美一区二区| 国产欧美日韩一区二区精品| 亚洲色图av天堂| 超碰av人人做人人爽久久| 99精品在免费线老司机午夜| 黄色女人牲交| 干丝袜人妻中文字幕| 国产精品综合久久久久久久免费| 性插视频无遮挡在线免费观看| 搡老熟女国产l中国老女人| 国产高清视频在线观看网站| 欧美高清性xxxxhd video| 亚洲乱码一区二区免费版| 国产人妻一区二区三区在| av.在线天堂| 精品久久久久久久末码| 欧美日韩瑟瑟在线播放| 欧美日韩乱码在线| 看黄色毛片网站| АⅤ资源中文在线天堂| av黄色大香蕉| 黄片wwwwww| 两人在一起打扑克的视频| 亚洲成人久久性| 一边摸一边抽搐一进一小说| 又黄又爽又免费观看的视频| 亚洲狠狠婷婷综合久久图片| 大又大粗又爽又黄少妇毛片口| 久久久久久伊人网av| 又爽又黄无遮挡网站| 国产男靠女视频免费网站| 国产真实乱freesex| 日韩中文字幕欧美一区二区| 日韩av在线大香蕉| 国产伦在线观看视频一区| 舔av片在线| 免费av观看视频| 九色成人免费人妻av| 99热这里只有是精品50| 精品国产三级普通话版| 成人鲁丝片一二三区免费| 久久久午夜欧美精品| 能在线免费观看的黄片| 国产一级毛片七仙女欲春2| 嫁个100分男人电影在线观看| 黄色日韩在线| 日日干狠狠操夜夜爽| 韩国av一区二区三区四区| 亚洲无线在线观看| 久久久久久久亚洲中文字幕| 国产精品久久久久久精品电影| 九九爱精品视频在线观看| 亚洲精品成人久久久久久| 亚洲成a人片在线一区二区| 波多野结衣高清无吗| 久久久国产成人免费| 欧美区成人在线视频| 男女视频在线观看网站免费| 黄色配什么色好看| 日本a在线网址| 天天一区二区日本电影三级| 听说在线观看完整版免费高清| 精品久久久久久久人妻蜜臀av| 天堂√8在线中文| 日韩大尺度精品在线看网址| 97超视频在线观看视频| 中文字幕人妻熟人妻熟丝袜美| 少妇丰满av| 亚洲avbb在线观看| 婷婷色综合大香蕉| 一级av片app| 欧美日本亚洲视频在线播放| 热99re8久久精品国产| av在线蜜桃| 真人一进一出gif抽搐免费| 不卡一级毛片| 1024手机看黄色片| 人妻夜夜爽99麻豆av| 桃红色精品国产亚洲av| 亚洲专区国产一区二区| 色精品久久人妻99蜜桃| 成人国产综合亚洲| 岛国在线免费视频观看| 久久久久国产精品人妻aⅴ院| 一夜夜www| 又黄又爽又免费观看的视频| 校园人妻丝袜中文字幕| 国产免费男女视频| 最近中文字幕高清免费大全6 | 在线观看av片永久免费下载| 国产精品一区www在线观看 | 亚洲最大成人手机在线| 成年女人看的毛片在线观看| 国产亚洲av嫩草精品影院| 三级国产精品欧美在线观看| 国产精品一区www在线观看 | 精品人妻熟女av久视频| 久久精品人妻少妇| 99热这里只有是精品在线观看| 免费看a级黄色片| 女人被狂操c到高潮| 3wmmmm亚洲av在线观看| 亚洲avbb在线观看| 国产蜜桃级精品一区二区三区| 国产aⅴ精品一区二区三区波| 天堂动漫精品| 天堂av国产一区二区熟女人妻| 国产一区二区三区在线臀色熟女| 亚洲无线观看免费| 日日干狠狠操夜夜爽| 波野结衣二区三区在线| 日韩欧美精品免费久久| 日本黄大片高清| 日韩 亚洲 欧美在线| 最好的美女福利视频网| 干丝袜人妻中文字幕| 婷婷色综合大香蕉| 日本在线视频免费播放| 免费电影在线观看免费观看| 亚洲人成网站高清观看| 麻豆国产97在线/欧美| 国产亚洲精品综合一区在线观看| 免费观看人在逋| 伦理电影大哥的女人| 日韩高清综合在线| 成人毛片a级毛片在线播放| 桃色一区二区三区在线观看| 最新中文字幕久久久久| 五月伊人婷婷丁香| 91精品国产九色| 日韩精品有码人妻一区| 国内久久婷婷六月综合欲色啪| 亚洲av美国av| 真人做人爱边吃奶动态| 免费看美女性在线毛片视频| 内射极品少妇av片p| 亚洲精华国产精华精| 国内精品美女久久久久久|