• <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 ?

    基于廣義S變換與PSO-PNN的電能質(zhì)量擾動(dòng)識(shí)別

    2016-10-13 18:14:03覃星福龔仁喜
    電力系統(tǒng)保護(hù)與控制 2016年15期
    關(guān)鍵詞:訓(xùn)練樣本暫態(tài)廣義

    覃星福,龔仁喜

    ?

    基于廣義S變換與PSO-PNN的電能質(zhì)量擾動(dòng)識(shí)別

    覃星福,龔仁喜

    (廣西大學(xué)電氣工程學(xué)院,廣西 南寧 530004)

    為了克服從電網(wǎng)電能質(zhì)量監(jiān)測(cè)系統(tǒng)的大數(shù)據(jù)中自動(dòng)識(shí)別出電能質(zhì)量擾動(dòng)的困難,提出了一種基于廣義S變換與PSO-PNN的電能質(zhì)量擾動(dòng)識(shí)別新方法。該方法利用了廣義S變換能兼顧時(shí)頻分辨率的特點(diǎn),首先使用廣義S變換分析擾動(dòng)信號(hào)的時(shí)頻特性,接著從廣義S變換模矩陣中提取出擾動(dòng)信號(hào)的時(shí)頻特征量,然后用PSO-PNN分類器對(duì)擾動(dòng)信號(hào)進(jìn)行分類識(shí)別。PSO算法的使用克服了PNN的平滑因子沒有確定選取方法的缺陷,使分類器性能大大提升。仿真實(shí)驗(yàn)結(jié)果表明,該方法能夠?qū)ΤR姷?種電能質(zhì)量擾動(dòng)進(jìn)行高效的分類識(shí)別,分類正確率高,對(duì)噪聲不敏感,具有良好的應(yīng)用價(jià)值。

    電力系統(tǒng);電能質(zhì)量;廣義S變換;PSO-PNN;分類識(shí)別

    0 引言

    隨著電力電子技術(shù)的大規(guī)模應(yīng)用和分布式電源應(yīng)用范圍的拓廣普及[1-2],產(chǎn)生了大量的電壓暫降、電壓中斷、電壓暫升、諧波、振蕩暫態(tài)等電能質(zhì)量擾動(dòng),這些擾動(dòng)對(duì)大電網(wǎng)的供電電能質(zhì)量造成了很大的負(fù)面影響,同時(shí)也給社會(huì)帶來(lái)了巨大的經(jīng)濟(jì)損失[3-5]。為了提高供電電能質(zhì)量,關(guān)鍵在于找出電能質(zhì)量擾動(dòng)產(chǎn)生的源頭以及找到合適的方法去消除或減少這些電能質(zhì)量擾動(dòng)。在電能質(zhì)量監(jiān)測(cè)系統(tǒng)中實(shí)現(xiàn)對(duì)電能質(zhì)量擾動(dòng)事件的正確分類識(shí)別,是電網(wǎng)提高供電電能質(zhì)量與安全經(jīng)濟(jì)可靠運(yùn)行的前提[6-8]。

    電能質(zhì)量擾動(dòng)的分類識(shí)別研究主要側(cè)重于特征量的提取和分類器的選擇問(wèn)題[9]。針對(duì)特征量的提取,近幾年來(lái)國(guó)內(nèi)外專家學(xué)者大多都使用短時(shí)傅里葉變換、小波變換、S變換等時(shí)頻分析方法[10-11]。其中短時(shí)傅里葉變換使用前需要選擇時(shí)頻窗,選擇之后時(shí)頻窗的寬度是固定的,不利于分析非平穩(wěn)信號(hào)[12]。小波變換具有多分辨率分析的特點(diǎn),但其易受噪聲影響,對(duì)于含噪聲的擾動(dòng)信號(hào)不能準(zhǔn)確提取其幅值特征,而且小波基的選擇也一直是個(gè)學(xué)術(shù)界的難題[13]。S變換是短時(shí)傅里葉變換與小波變換的新的改進(jìn)形式,它可以看作是一種不嚴(yán)格的小波變換。它采用窗寬與頻率成反比的高斯窗,窗口的形狀隨著頻率的變化而變化,不僅具有多分辨率分析的能力,還能夠在時(shí)間軸上進(jìn)行平移[14-17]。但是S變換的高斯窗隨頻率改變的方向是相同的,這妨礙了其在分析不同信號(hào)時(shí)的適應(yīng)性。廣義S變換在S變換的基礎(chǔ)上,引入了能調(diào)節(jié)時(shí)頻分辨率的兩個(gè)參數(shù),使時(shí)間分辨率與頻率分辨率的關(guān)系不再相對(duì)固定,其時(shí)頻特性更為優(yōu)良,提取的特征量也能更好地刻畫不同擾動(dòng)信號(hào)的特征,因此用來(lái)作為擾動(dòng)信號(hào)特征提取的工具是非常適合的。在近些年國(guó)內(nèi)外的文獻(xiàn)資料中,人工神經(jīng)網(wǎng)絡(luò)因?yàn)槠淝蠼鈫?wèn)題的能力強(qiáng),適用領(lǐng)域廣泛而成為用得最多的模式分類方法。而概率神經(jīng)網(wǎng)絡(luò)(PNN)作為人工神經(jīng)網(wǎng)絡(luò)中的一種,建立簡(jiǎn)單、訓(xùn)練快捷,具有強(qiáng)大的非線性分類性能,因此在解決分類方面的問(wèn)題中應(yīng)用得相當(dāng)廣泛。在PNN中,選擇合適的平滑因子是個(gè)難題,迄今為止,平滑因子大多是根據(jù)經(jīng)驗(yàn)選取的[18],沒有確定的選取方法。本文采用廣義S變換作為特征提取的工具,將特征量輸入到PSO-PNN中,對(duì)電能質(zhì)量擾動(dòng)進(jìn)行分類識(shí)別。仿真實(shí)驗(yàn)結(jié)果表明,該方法成功實(shí)現(xiàn)了對(duì)常見6種電能質(zhì)量擾動(dòng)的自動(dòng)分類識(shí)別,識(shí)別正確率高,對(duì)噪聲不敏感,在不同噪聲干擾下均體現(xiàn)出了優(yōu)越的分類性能,在電能質(zhì)量監(jiān)測(cè)領(lǐng)域有良好的應(yīng)用前景。

    1 算法介紹

    1.1 S變換算法

    1.2 廣義S變換

    (4)

    1.3 廣義S變換中參數(shù)的選取

    廣義S變換的高斯窗函數(shù)的形狀是可以通過(guò)改變參數(shù)值來(lái)調(diào)節(jié)的,在分析具體信號(hào)時(shí),它能根據(jù)信號(hào)時(shí)頻分析的需要以及頻率分布的特點(diǎn)靈活調(diào)節(jié)高斯窗函數(shù)來(lái)達(dá)到分析的目的。

    圖1 不同k、p值對(duì)應(yīng)的高斯窗

    2 基于廣義S變換的特征量提取

    2.1 擾動(dòng)信號(hào)模型

    本文考慮6種常見的暫態(tài)電能質(zhì)量擾動(dòng)信號(hào),分別是電壓暫升、電壓暫降、電壓中斷、諧波、脈沖暫態(tài)、振蕩暫態(tài)。各擾動(dòng)信號(hào)的數(shù)學(xué)模型如表1所示[20]。表中:表示階躍函數(shù);表示信號(hào)周期;表示50 Hz對(duì)應(yīng)的角頻率。

    表1 擾動(dòng)信號(hào)類型

    2.2 擾動(dòng)信號(hào)的廣義S變換分析

    對(duì)電能質(zhì)量擾動(dòng)信號(hào)進(jìn)行廣義S變換后,變換結(jié)果的二維矩陣中包含著豐富的時(shí)頻信息,對(duì)這些信息進(jìn)行分析,可以找出能作為識(shí)別特征量的特征值。下面分別為6種電能質(zhì)量擾動(dòng)信號(hào)隨機(jī)取一個(gè)樣本的波形圖以及對(duì)其進(jìn)行廣義S變換后得到的信息曲線。

    圖2為電壓暫升的廣義S變換(GST)相關(guān)曲線。圖2中,圖2(a)為電壓暫升波形圖;圖2(b)為廣義S變換模矩陣中的列向量最大值包絡(luò)線圖;圖2(c)為行向量最大值包絡(luò)線圖;圖2(d)為50 Hz時(shí)間幅值圖;圖2(e)為150 Hz時(shí)間幅值圖;圖2(f)為250 Hz時(shí)間幅值圖;圖2(g)為800 Hz時(shí)間幅值圖。圖3~圖7分別為電壓暫降、電壓中斷、振蕩暫態(tài)、諧波、脈沖暫態(tài)的廣義S變換相關(guān)曲線,圖中各小圖含義均與圖2相同。

    由圖2~圖7可知,列向量最大值包絡(luò)線圖與50 Hz時(shí)間幅值圖很相似,它們均與原來(lái)擾動(dòng)波形相對(duì)應(yīng),在50 Hz時(shí)間幅值圖中,電壓暫升圖形為先上升后下降,電壓暫降為先下降后上升,電壓中斷為先大幅度下降后上升,因此,50 Hz時(shí)間幅值圖可以作為特征量用來(lái)區(qū)分電壓暫升、電壓暫降、電壓中斷;但是50 Hz時(shí)間幅值圖并不能明確區(qū)分出電壓暫降與電壓中斷,這時(shí)可以取50 Hz時(shí)間幅值圖上的最小值作為區(qū)分電壓暫降與電壓中斷的特征量。

    圖2 電壓暫升及其GST信息曲線

    圖3 電壓暫降及其GST信息曲線

    圖4 電壓中斷及其GST信息曲線

    圖5 振蕩暫態(tài)及其GST信息曲線

    圖6 諧波及其GST信息曲線

    圖7 脈沖暫態(tài)及其GST信息曲線

    當(dāng)擾動(dòng)信號(hào)含有諧波分量時(shí),不管是三次、五次、七次諧波,還是含有高頻分量的振蕩暫態(tài),行向量最大值包絡(luò)線圖都能把這些高于基頻的頻率分量檢測(cè)出來(lái),因此也可以從行向量最大值包絡(luò)線圖中尋找特征量。

    各頻率的能量是不同的,擾動(dòng)信號(hào)的能量與頻率和幅值的改變是緊密相連的,因此擾動(dòng)信號(hào)在不同頻率時(shí)的不同能量值也可以作為特征值。

    2.3 特征提取

    本設(shè)計(jì)對(duì)各暫態(tài)電能質(zhì)量擾動(dòng)信號(hào)進(jìn)行廣義S變換以后,從廣義S變換模矩陣中選定以下6個(gè)特征量作為區(qū)分不同擾動(dòng)的特征量。記廣義S變換模矩陣為,代表采樣時(shí)間,代表采樣頻率點(diǎn)。

    (1)?50 Hz時(shí)間幅值曲線均值1。

    (2)?50 Hz時(shí)間幅值曲線的最小值2。

    (3)?信號(hào)在150 Hz、250 Hz、350 Hz處能量之和的根值3,之所以取根值是為了減小噪聲的影響。

    (7)

    (4)?信號(hào)高頻分量能量之和4。

    (9)

    3 基于PSO-PNN的電能質(zhì)量擾動(dòng)識(shí)別

    本文利用Matlab生成參數(shù)隨機(jī)變化的電能質(zhì)量擾動(dòng)樣本,對(duì)每個(gè)擾動(dòng)樣本進(jìn)行廣義S變換,從廣義S變換模矩陣中提取出6種擾動(dòng)特征量,將特征量輸入到PSO-PNN分類器中,從而實(shí)現(xiàn)擾動(dòng)的分類識(shí)別,分類識(shí)別過(guò)程如圖8所示。

    圖8 電能質(zhì)量擾動(dòng)分類識(shí)別流程

    概率神經(jīng)網(wǎng)絡(luò)的構(gòu)成如圖9,它由輸入層、模式層、求和層和輸出層構(gòu)成[18]。

    圖9 PNN的基本結(jié)構(gòu)

    本設(shè)計(jì)中,PNN的輸入層有6個(gè)神經(jīng)元,接收擾動(dòng)信號(hào)的6維特征值,模式層共有600個(gè)神經(jīng)元,計(jì)算輸入的6維特征值與訓(xùn)練樣本中全部擾動(dòng)的歐式距離,然后將距離值送入高斯激活函數(shù),得模式層輸出為

    本設(shè)計(jì)中,求和層有6個(gè)神經(jīng)元,將模式層輸出的分別屬于6種擾動(dòng)的概率值累計(jì),從而得到對(duì)應(yīng)6種擾動(dòng)的概率值。輸出層共有6個(gè)競(jìng)爭(zhēng)神經(jīng)元,接收從求和層傳來(lái)的對(duì)應(yīng)6種擾動(dòng)的不同概率值,概率值最大的競(jìng)爭(zhēng)神經(jīng)元?jiǎng)俪?,其值?,表示此神經(jīng)元所對(duì)應(yīng)的擾動(dòng)類別為待識(shí)別的擾動(dòng)信號(hào)類別,其余競(jìng)爭(zhēng)神經(jīng)元值為0,這樣就實(shí)現(xiàn)了分類識(shí)別。

    平滑因子參數(shù)選取的不同對(duì)PNN分類正確率有很大影響,本設(shè)計(jì)采用粒子群優(yōu)化算法(PSO)來(lái)對(duì)PNN平滑因子進(jìn)行參數(shù)自動(dòng)尋優(yōu),這樣PSO-PNN就能夠根據(jù)不同的訓(xùn)練樣本數(shù)據(jù)自動(dòng)選擇最優(yōu)平滑參數(shù)值,從而提高擾動(dòng)識(shí)別正確率,如圖10所示。PSO算法需要一個(gè)適應(yīng)度函數(shù)來(lái)作為優(yōu)化的最終目標(biāo)[21],本文選取訓(xùn)練樣本分類的正確率作為適應(yīng)度函數(shù)。圖10中,粒子數(shù)目選擇為50,最大迭代次數(shù)設(shè)為10,PSO算法[22]中慣性權(quán)重取值0.5,兩個(gè)學(xué)習(xí)因子取值均為2。

    4 實(shí)驗(yàn)與分析

    電能質(zhì)量擾動(dòng)信號(hào)基頻定為50 Hz,擾動(dòng)信號(hào)采樣頻率為3 200 Hz,每個(gè)信號(hào)周期采樣為64個(gè)點(diǎn),采樣長(zhǎng)度為10個(gè)信號(hào)周期。為了便于表示,將電壓暫升、電壓暫降、電壓中斷、諧波、脈沖暫態(tài)、振蕩暫態(tài)依次用~表示。

    圖10 PSO對(duì)PNN的平滑因子尋優(yōu)框圖

    首先通過(guò)實(shí)驗(yàn)確定PSO-PNN的最佳訓(xùn)練樣本數(shù),每種類別分別用30、50、80、100、120、150個(gè)擾動(dòng)樣本作為訓(xùn)練樣本進(jìn)行訓(xùn)練,然后對(duì)1800個(gè)帶有50 dB高斯白噪聲的測(cè)試樣本進(jìn)行測(cè)試(其中電壓暫升、電壓暫降、電壓中斷、諧波、脈沖暫態(tài)、振蕩暫態(tài)各300個(gè)),之所以選擇帶有噪聲的測(cè)試樣本是為了更接近實(shí)際情況。仿真結(jié)果見表2。

    表2 訓(xùn)練樣本數(shù)對(duì)分類測(cè)試結(jié)果的影響

    從表2可以看出,隨著訓(xùn)練樣本數(shù)的增加,測(cè)試樣本分類正確率也相應(yīng)有所提高。由于分類正確率在訓(xùn)練樣本數(shù)較小時(shí)就取得了較好的效果,故以增加訓(xùn)練樣本數(shù)來(lái)提高分類正確率的效果不是很明顯。當(dāng)訓(xùn)練樣本數(shù)為100時(shí),擾動(dòng)信號(hào)的分類識(shí)別取得比較理想的結(jié)果,達(dá)到了平衡分類正確率與訓(xùn)練樣本數(shù)的目的,本文選取訓(xùn)練樣本數(shù)為100。

    現(xiàn)實(shí)中對(duì)電能質(zhì)量擾動(dòng)進(jìn)行監(jiān)測(cè)時(shí),總是會(huì)有噪聲的干擾,而且不同時(shí)段噪聲干擾的強(qiáng)度也可能不同。為了最大限度的貼近實(shí)際情況,在仿真信號(hào)樣本中分別添加噪聲為20 dB、30 dB、40 dB、50 dB、60 dB的高斯白噪聲進(jìn)行仿真分析。

    產(chǎn)生各類擾動(dòng)樣本每種400個(gè),總共2 400個(gè)。每種擾動(dòng)隨機(jī)采用其中的100個(gè)作為訓(xùn)練樣本,其余的300個(gè)作為測(cè)試樣本。首先,將訓(xùn)練樣本的特征值和類別輸入PSO-PNN中進(jìn)行訓(xùn)練,訓(xùn)練完成后輸入測(cè)試樣本的特征值,然后由PSO-PNN分類器識(shí)別出擾動(dòng)的類型。分類結(jié)果詳情如表3和表4所示。其中表3示出的是噪聲為20 dB時(shí)的分類結(jié)果,表4為不同噪聲干擾下分類結(jié)果的比較。

    表3 20 dB時(shí)的分類結(jié)果

    從表3、表4可以看出,PSO-PNN對(duì)常見的6種電能質(zhì)量擾動(dòng)的識(shí)別分類正確率都很高,其中電壓暫升、諧波、脈沖暫態(tài)、振蕩暫態(tài)的分類正確率達(dá)到了99%以上,而電壓暫降和電壓中斷由于其波形的相似性,所以識(shí)別正確率略低于其他4種電能質(zhì)量擾動(dòng)。由此表明PSO-PNN的分類識(shí)別方法不僅在無(wú)噪聲的理想狀態(tài)下取得了較高的分類正確率,而且在強(qiáng)噪聲干擾存在時(shí),依然能維持分類識(shí)別的高正確率。

    表4 不同噪聲等級(jí)下的分類測(cè)試結(jié)果

    5 結(jié)論

    本文提出并實(shí)現(xiàn)了一種基于廣義S變換與PSO-PNN的電能質(zhì)量擾動(dòng)分類識(shí)別方法。該方法采用時(shí)頻分辨率效果較好的廣義S變換進(jìn)行特征提取,采用PSO來(lái)選取PNN的平滑參數(shù),克服了平滑參數(shù)要靠經(jīng)驗(yàn)選取的不足。首先對(duì)6種擾動(dòng)信號(hào)進(jìn)行廣義S變換,接著對(duì)不同擾動(dòng)信號(hào)的廣義S變換模矩陣中的信息進(jìn)行了分析和比較,從而提出了6種能作為有效區(qū)分不同擾動(dòng)的時(shí)頻特征量,最后將提取到的特征量送入PSO-PNN分類器中進(jìn)行訓(xùn)練、測(cè)試。大量仿真實(shí)驗(yàn)結(jié)果表明,采用本文的方法能夠準(zhǔn)確、可靠地實(shí)現(xiàn)對(duì)電能質(zhì)量擾動(dòng)信號(hào)的分類識(shí)別,識(shí)別正確率高,抗噪聲能力強(qiáng),值得推廣應(yīng)用。

    [1] 姚致清, 張茜, 劉喜梅. 基于PSCAD/EMTDC的三相光伏并網(wǎng)發(fā)電系統(tǒng)仿真研究[J]. 電力系統(tǒng)保護(hù)與控制, 2010, 38(17): 76-81.

    YAO Zhiqing, ZHANG Qian, LIU Ximei.Research on simulation of a three-phase grid-connected photovoltaic generation system based on PSCAD/EMTDC[J].Power System Protection and Control, 2010, 38(17): 76-81.

    [2] 姚致清, 趙倩, 劉喜梅. 基于準(zhǔn)同步原理的逆變器并網(wǎng)技術(shù)研究[J]. 電力系統(tǒng)保護(hù)與控制, 2011, 39(24): 123-126.

    YAO Zhiqing, ZHAO Qian, LIU Ximei.Research on grid-connected technology of inverter based on quasi synchronous principle[J].Power System Protection and Control, 2011, 39(24): 123-126.

    [3] CHILUKURI M V, DASH P K. Multiresolution S- transform-based fuzzy recognition system for power quality events[J]. IEEE Transactions on Power Delivery, 2004, 19(1): 323-330.

    [4] 和萍, 文福拴, 薛禹勝,等. 風(fēng)力發(fā)電對(duì)電力系統(tǒng)小干擾穩(wěn)定性影響述評(píng)[J]. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào), 2014, 26(1): 1-7.

    HE Ping, WEN Fushuan, XUE Yusheng,et al.Survey on impact of wind power on small signal stability in power system[J].Proceedings of the CSU-EPSA, 2014, 26(1): 1-7.

    [5] 姚致清, 于飛, 趙倩, 等. 基于模塊化多電平換流器的大型光伏并網(wǎng)系統(tǒng)仿真研究[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2013, 33(36): 27-33.

    YAO Zhiqing, YU Fei, ZHAO Qian, et al.Simulation research on large-scale PV grid-connected systems based on MMC[J]. Proceedings of the CSEE, 2013, 33(36): 27-33.

    [6] 占勇, 程浩忠, 丁屹峰, 等. 基于S變換的電能質(zhì)量擾動(dòng)支持向量機(jī)分類識(shí)別[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2005, 25(4): 51-56.

    ZHAN Yong, CHENG Haozhong, DING Yifeng, et a1. S-transform-based classification of power quality disturbance signals by support vector machines[J]. Proceedings of the CSEE, 2005, 25(4): 51-56.

    [7] 谷金宏, 劉琪, 程超會(huì).電能質(zhì)量的S 變換仿真[J]. 電測(cè)與儀表, 2009, 46(6): 51-55.

    GU Jinhong, LIU Qi, CHENG Chaohui.Simulation of power quality using S-transform[J].Electrical Measurement & Instrumentation, 2009, 46(6): 51-55.

    [8] 張逸, 林焱, 吳丹岳. 電能質(zhì)量監(jiān)測(cè)系統(tǒng)研究現(xiàn)狀及發(fā)展趨勢(shì)[J]. 電力系統(tǒng)保護(hù)與控制, 2015, 43(2): 138-147.

    ZHANG Yi, LIN Yan, WU Danyue.Current status and development trend of power quality monitoring system[J].Power System Protection and Control, 2015, 43(2): 138-147.

    [9] RODRIGUEZ A, MERINO E, AGUADO J,et al.A decision tree and S-transform based approach for power quality disturbances classification[C] // 4th International Conference on Power Engineering. Istanbul, Turkey, 2013:13-17.

    [10]徐方維,楊洪耕, 葉茂清, 等.基于改進(jìn)S變換的電能質(zhì)量擾動(dòng)分類[J].中國(guó)電機(jī)工程學(xué)報(bào), 2012, 32(4): 77-84.

    XU Fangwei, YANG Honggeng, YE Maoqing,et al.Classification for power quality short duration disturbances based on generalized S-transform[J].Proceedings of the CSEE, 2012, 32(4): 77-84.

    [11] 王玉龍, 崔玉, 李鵬,等. 基于小波分析改進(jìn)的神經(jīng)網(wǎng)絡(luò)模型電力系統(tǒng)負(fù)荷預(yù)測(cè)[J]. 電網(wǎng)與清潔能源, 2015, 31(2): 16-20.

    WANG Yulong, CUI Yu, LI Peng, et al.Load forecasting of power system based on wavelet analysis improved neural network model[J]. Power System and Clean Energy, 2015, 31(2): 16-20.

    [12] LEE I W C, DASH P K.S-transform-based intelligent system for classification of power quality disturbance signals[J]. IEEE Transactions on Industrial Electronics, 2003, 50(4): 800-805.

    [13] 易吉良, 彭建春, 譚會(huì)生. S變換在電能質(zhì)量擾動(dòng)分析中的應(yīng)用綜述[J]. 電力系統(tǒng)保護(hù)與控制, 2011, 39(3): 141-147.

    YI Jiliang, PENG Jianchun, TAN Huisheng. A summary of S-transform applied to power quality disturbances analysis[J]. Power System Protection and Control, 2011, 39(3): 141-147.

    [14] STOCKWELL R G, MANSINHA L, LOWE R P. Localization of the complex spectrum: the S-transform[J]. IEEE Transactions on Signal Processing, 1996, 44(4): 998-1001.

    [15] 肖助力, 龔仁喜, 陳雙. 一種改進(jìn)不完全S變換的電壓暫降檢測(cè)方法[J]. 電力系統(tǒng)保護(hù)與控制, 2015, 43(9): 62-68.

    XIAO Zhuli, GONG Renxi, CHEN Shuang. Detection of voltage sag by a modified incomplete S-transform[J].Power System Protection and Control, 2015, 43(9): 62-68.

    [16]肖助力, 龔仁喜, 陳雙, 等. 基于改進(jìn)S變換的電力系統(tǒng)諧波檢測(cè)方法[J]. 電力系統(tǒng)保護(hù)與控制, 2015, 43(3): 84-90.

    XIAO Zhuli, GONG Renxi, CHEN Shuang, et al.Detection of harmonics in power system based on modified S-transform[J]. Power System Protection and Control, 2015, 43(3): 84-90.

    [17]楊洪耕, 劉守亮, 肖先勇, 等. 基于S 變換的電壓凹陷分類專家系統(tǒng)[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2007, 27(1): 98-104.

    YANG Honggeng, LIU Shouliang, XIAO Xianyong, et al. S-transform-based expert system for classification of voltage dips[J]. Proceedings of the CSEE, 2007, 27(1): 98-104.

    CHEN Bo, GUO Zhuangzhi.Fault diagnosis method research of transformer based on optimized smooth factor of probability neural network[J].Modern Electric Power, 2007, 24(2): 44-47.

    [19] 陳學(xué)華, 賀振華, 黃德濟(jì). 廣義S變換及其時(shí)頻濾波[J]. 信號(hào)處理, 2008, 24(1): 28-31.

    CHEN Xuehua, HE Zhenhua, HUANG Deji. Generalized S transform and its time-frequency filtering[J].Journal of Signal Processing, 2008, 24(1): 28-31.

    [20] KUMAR R, SINGH B, SHAHANI D T, et al. Recognition of power quality events using S-transform based ANN classifier and rule based decision tree[J]. IEEE Transactions on Industry Applications, 2015, 51(2): 1249-1257.

    [21] 胡殿剛, 秦睿, 黃亭, 等. 基于免疫記憶粒子群優(yōu)化算法的風(fēng)火聯(lián)合系統(tǒng)的多目標(biāo)優(yōu)化調(diào)度[J]. 高壓電器, 2015, 51(6): 20-26.

    HU Diangang, QIN Rui, HUANG Ting, et al.Wind power integrated with thermal system multi-objective optimal dispatch basedon immune memory particle swarm optimization algorithm[J].High Voltage Apparatus, 2015, 51(6): 20-26.

    [22] 孫斌, 姚海濤. 基于PSO優(yōu)化LSSVM的短期風(fēng)速預(yù)測(cè)[J]. 電力系統(tǒng)保護(hù)與控制, 2012, 40(5): 85-89.

    SUN Bin, YAO Haitao.The short-term wind speed forecast analysis based on the PSO-LSSVM predict model[J]. Power System Protection and Control, 2012, 40(5): 85-89.

    (編輯 葛艷娜)

    Power quality disturbances classification based on generalized S-transform and PSO-PNN

    QIN Xingfu, GONG Renxi

    (School of Electrical Engineering, Guangxi University, Nanning 530004, China)

    To overcome the difficulty of automatic identification of power quality disturbances from the large data of power quality monitoring system, a new method for power quality disturbances identification is proposed based on generalized S-transform and PSO-PNN. It makes full use of generalized S-transform’s ability of giving attention to both time and frequency resolution. Initially, the time-frequency analysis of power quality disturbances is carried out by using generalized S-transform, from whose results the time-frequency features of disturbances are extracted. Finally, PSO-PNN, as a classifier, is used to identify power quality disturbances. The PSO algorithm solves the problem of choosing the smoothing factor for PNN which is usually hard to determine, and thus the performance of the classifier is greatly improved. The simulation results show that the proposed method can identify six kinds of power quality disturbances correctly and effectively, and it is characterized by high recognition correctness rate and low sensitivity to noises, and it will find extensive application. This work is supported by National Natural Science Foundation of China (No. 61561007).

    power system; power quality; generalized S-transform; PSO-PNN; classification and identification

    10.7667/PSPC151524

    國(guó)家自然科學(xué)基金項(xiàng)目(61561007)

    2015-08-28;

    2015-10-19

    覃星福( 1990-),男,碩士研究生,研究方向?yàn)殡娏﹄娮釉陔娏ο到y(tǒng)中的應(yīng)用;E-mail: qxf_forever@163.com 龔仁喜(1962-),男,教授,博士生導(dǎo)師,主要研究領(lǐng)域?yàn)殡娏﹄娮蛹夹g(shù)及應(yīng)用、智能檢測(cè)技術(shù)。E-mail: rxgong@ gxu.edu.cn

    猜你喜歡
    訓(xùn)練樣本暫態(tài)廣義
    Rn中的廣義逆Bonnesen型不等式
    300Mvar空冷隱極同步調(diào)相機(jī)暫態(tài)特性仿真分析
    人工智能
    從廣義心腎不交論治慢性心力衰竭
    電力系統(tǒng)全網(wǎng)一體化暫態(tài)仿真接口技術(shù)
    電子制作(2018年14期)2018-08-21 01:38:28
    除氧器暫態(tài)計(jì)算研究
    寬帶光譜成像系統(tǒng)最優(yōu)訓(xùn)練樣本選擇方法研究
    有限群的廣義交換度
    融合原始樣本和虛擬樣本的人臉識(shí)別算法
    基于稀疏重構(gòu)的機(jī)載雷達(dá)訓(xùn)練樣本挑選方法
    亚洲av成人不卡在线观看播放网| 黄色丝袜av网址大全| 国产精品三级大全| 国产精品电影一区二区三区| 男女之事视频高清在线观看| 精品99又大又爽又粗少妇毛片 | 亚洲av二区三区四区| 久久久国产成人精品二区| 19禁男女啪啪无遮挡网站| 大型黄色视频在线免费观看| 免费一级毛片在线播放高清视频| 日本a在线网址| 村上凉子中文字幕在线| 91在线精品国自产拍蜜月 | 久久午夜亚洲精品久久| 色综合亚洲欧美另类图片| 麻豆成人av在线观看| 成人欧美大片| 国产麻豆成人av免费视频| 亚洲五月天丁香| 欧美日韩中文字幕国产精品一区二区三区| 美女免费视频网站| 日本黄色视频三级网站网址| 两个人看的免费小视频| 国产美女午夜福利| 一个人免费在线观看电影| 色综合亚洲欧美另类图片| 女人高潮潮喷娇喘18禁视频| 亚洲人成网站在线播放欧美日韩| 亚洲欧美激情综合另类| 午夜亚洲福利在线播放| 草草在线视频免费看| 日本免费一区二区三区高清不卡| 国内精品一区二区在线观看| 成人欧美大片| 很黄的视频免费| 制服丝袜大香蕉在线| 国产精品久久久久久亚洲av鲁大| 内射极品少妇av片p| 制服人妻中文乱码| 97超级碰碰碰精品色视频在线观看| 一夜夜www| 久久精品影院6| 国产精品,欧美在线| 亚洲精品一区av在线观看| 三级国产精品欧美在线观看| 91在线观看av| 午夜久久久久精精品| 欧美丝袜亚洲另类 | 免费在线观看亚洲国产| 成人午夜高清在线视频| 99在线人妻在线中文字幕| av欧美777| 男女午夜视频在线观看| 悠悠久久av| 99视频精品全部免费 在线| 国产午夜精品论理片| 淫妇啪啪啪对白视频| 欧美成人免费av一区二区三区| 一级作爱视频免费观看| 偷拍熟女少妇极品色| 国产av不卡久久| 久久这里只有精品中国| 国产午夜精品久久久久久一区二区三区 | 国产黄色小视频在线观看| 他把我摸到了高潮在线观看| 人人妻人人澡欧美一区二区| 精品国产超薄肉色丝袜足j| 国产熟女xx| 国产熟女xx| 真人做人爱边吃奶动态| av黄色大香蕉| 成熟少妇高潮喷水视频| 在线看三级毛片| 一本久久中文字幕| 嫩草影院入口| 日韩欧美免费精品| 天天添夜夜摸| 亚洲无线在线观看| 国产欧美日韩一区二区三| 午夜福利在线在线| 精品一区二区三区视频在线观看免费| 一本综合久久免费| 国产欧美日韩精品一区二区| 欧美成人免费av一区二区三区| 99riav亚洲国产免费| АⅤ资源中文在线天堂| 成人三级黄色视频| 婷婷精品国产亚洲av| 脱女人内裤的视频| 欧美极品一区二区三区四区| 国产精品久久视频播放| 免费电影在线观看免费观看| 又紧又爽又黄一区二区| 久久精品国产综合久久久| 国产aⅴ精品一区二区三区波| 性欧美人与动物交配| 毛片女人毛片| 少妇裸体淫交视频免费看高清| 99热只有精品国产| 欧美在线黄色| 伊人久久大香线蕉亚洲五| 白带黄色成豆腐渣| 国产成人av激情在线播放| 黄色丝袜av网址大全| 夜夜夜夜夜久久久久| 一级黄片播放器| 欧美色视频一区免费| 长腿黑丝高跟| av欧美777| 村上凉子中文字幕在线| 不卡一级毛片| 日日摸夜夜添夜夜添小说| 国产精品女同一区二区软件 | 色综合亚洲欧美另类图片| 久久久久久九九精品二区国产| 精品福利观看| 制服人妻中文乱码| 精品午夜福利视频在线观看一区| 桃红色精品国产亚洲av| 制服丝袜大香蕉在线| 色综合站精品国产| 长腿黑丝高跟| 99热只有精品国产| 久久精品国产清高在天天线| 国产精品av视频在线免费观看| 国产精品av视频在线免费观看| 精品人妻1区二区| 97碰自拍视频| 老汉色∧v一级毛片| 动漫黄色视频在线观看| 动漫黄色视频在线观看| 亚洲成人免费电影在线观看| 亚洲 欧美 日韩 在线 免费| 亚洲中文字幕日韩| 亚洲人成网站在线播放欧美日韩| 午夜日韩欧美国产| 18+在线观看网站| 在线国产一区二区在线| 中文字幕av在线有码专区| 中文字幕高清在线视频| 亚洲成av人片在线播放无| 99久久成人亚洲精品观看| 欧美黄色淫秽网站| 国产v大片淫在线免费观看| 中出人妻视频一区二区| 久久草成人影院| 亚洲av不卡在线观看| 国产成人欧美在线观看| 老司机午夜福利在线观看视频| 老司机午夜十八禁免费视频| 欧美黄色淫秽网站| 久久久国产成人精品二区| 午夜福利成人在线免费观看| 欧洲精品卡2卡3卡4卡5卡区| 欧美成人免费av一区二区三区| 欧洲精品卡2卡3卡4卡5卡区| 国产在视频线在精品| 中文在线观看免费www的网站| 成人亚洲精品av一区二区| 一卡2卡三卡四卡精品乱码亚洲| 欧洲精品卡2卡3卡4卡5卡区| 国产在视频线在精品| 99热这里只有是精品50| 真实男女啪啪啪动态图| 国产成人av激情在线播放| av专区在线播放| 怎么达到女性高潮| 久久久精品大字幕| 美女被艹到高潮喷水动态| netflix在线观看网站| 熟妇人妻久久中文字幕3abv| 一个人看视频在线观看www免费 | 亚洲片人在线观看| 男女午夜视频在线观看| 亚洲欧美日韩无卡精品| 婷婷精品国产亚洲av在线| 国产午夜精品久久久久久一区二区三区 | 一级毛片女人18水好多| 国产综合懂色| 亚洲第一电影网av| 99久久成人亚洲精品观看| av黄色大香蕉| 99热这里只有精品一区| 亚洲不卡免费看| 欧美国产日韩亚洲一区| 热99re8久久精品国产| 三级毛片av免费| 老司机午夜十八禁免费视频| 99热这里只有精品一区| 色尼玛亚洲综合影院| 亚洲男人的天堂狠狠| 中文字幕人妻熟人妻熟丝袜美 | 国产精品1区2区在线观看.| 手机成人av网站| 国产毛片a区久久久久| 老熟妇乱子伦视频在线观看| 国产极品精品免费视频能看的| 国产一区二区三区视频了| 黄色成人免费大全| 国产爱豆传媒在线观看| 欧美又色又爽又黄视频| 搡老岳熟女国产| 黄色女人牲交| 久久婷婷人人爽人人干人人爱| 国产精品av视频在线免费观看| 精品福利观看| 在线十欧美十亚洲十日本专区| 婷婷精品国产亚洲av| 国产99白浆流出| 亚洲精品亚洲一区二区| 最好的美女福利视频网| 人人妻,人人澡人人爽秒播| 亚洲国产精品999在线| 午夜福利欧美成人| 日韩欧美一区二区三区在线观看| 五月玫瑰六月丁香| 免费高清视频大片| 亚洲av一区综合| 女人十人毛片免费观看3o分钟| 久久6这里有精品| 男人的好看免费观看在线视频| 亚洲欧美日韩高清专用| 毛片女人毛片| 欧美色欧美亚洲另类二区| 99久久综合精品五月天人人| 99久久成人亚洲精品观看| 国内精品久久久久精免费| 亚洲国产欧美网| 精品福利观看| 精品一区二区三区视频在线观看免费| 男人舔奶头视频| 国产一区在线观看成人免费| 久久久久久久久大av| 久久香蕉国产精品| 深爱激情五月婷婷| 久久6这里有精品| 男人和女人高潮做爰伦理| 成年女人毛片免费观看观看9| 欧美国产日韩亚洲一区| 免费人成在线观看视频色| 亚洲人成网站高清观看| 欧美+日韩+精品| 日本成人三级电影网站| 日韩国内少妇激情av| 欧美区成人在线视频| 男人舔奶头视频| 国产精品香港三级国产av潘金莲| 99热只有精品国产| or卡值多少钱| 亚洲七黄色美女视频| 在线观看午夜福利视频| 18禁裸乳无遮挡免费网站照片| 99热6这里只有精品| 成熟少妇高潮喷水视频| 午夜久久久久精精品| 色综合婷婷激情| 婷婷亚洲欧美| 99久久久亚洲精品蜜臀av| 亚洲国产精品sss在线观看| 国产伦精品一区二区三区视频9 | 国产乱人视频| 91av网一区二区| 天堂√8在线中文| 亚洲av熟女| 别揉我奶头~嗯~啊~动态视频| 国产日本99.免费观看| 日韩欧美国产在线观看| 精品久久久久久久久久久久久| 久久久国产成人精品二区| eeuss影院久久| 高清毛片免费观看视频网站| 人妻夜夜爽99麻豆av| av片东京热男人的天堂| 久久天躁狠狠躁夜夜2o2o| 51午夜福利影视在线观看| 国产精品爽爽va在线观看网站| 香蕉丝袜av| 嫁个100分男人电影在线观看| 成年免费大片在线观看| 老司机午夜福利在线观看视频| 夜夜躁狠狠躁天天躁| 成人欧美大片| 岛国在线观看网站| 亚洲 国产 在线| 少妇丰满av| 丰满乱子伦码专区| a在线观看视频网站| 97超级碰碰碰精品色视频在线观看| 亚洲avbb在线观看| 啦啦啦韩国在线观看视频| 757午夜福利合集在线观看| 国产一区二区三区视频了| 91av网一区二区| 丰满的人妻完整版| 午夜福利免费观看在线| 嫩草影院入口| 1024手机看黄色片| 亚洲男人的天堂狠狠| 午夜视频国产福利| 国产亚洲精品一区二区www| 又粗又爽又猛毛片免费看| 午夜亚洲福利在线播放| 色av中文字幕| 国产精品乱码一区二三区的特点| 国产午夜精品久久久久久一区二区三区 | 男女下面进入的视频免费午夜| 久久久久久国产a免费观看| 精品无人区乱码1区二区| 久久伊人香网站| 国产精品电影一区二区三区| 久久精品国产亚洲av涩爱 | 精品电影一区二区在线| 又粗又爽又猛毛片免费看| 高清日韩中文字幕在线| 国产精品精品国产色婷婷| 免费看十八禁软件| xxxwww97欧美| 成人一区二区视频在线观看| 免费看光身美女| 男人舔奶头视频| 亚洲av美国av| 99国产综合亚洲精品| 国产美女午夜福利| 91麻豆av在线| 国产激情欧美一区二区| 久久国产精品影院| 亚洲成人精品中文字幕电影| 亚洲av免费在线观看| а√天堂www在线а√下载| 国产真实乱freesex| www.熟女人妻精品国产| 久久精品亚洲精品国产色婷小说| 欧美三级亚洲精品| 在线观看一区二区三区| 美女高潮喷水抽搐中文字幕| 色精品久久人妻99蜜桃| 狂野欧美白嫩少妇大欣赏| 黑人欧美特级aaaaaa片| 国产精品99久久99久久久不卡| 无遮挡黄片免费观看| 亚洲熟妇中文字幕五十中出| 免费搜索国产男女视频| xxxwww97欧美| 97超级碰碰碰精品色视频在线观看| 尤物成人国产欧美一区二区三区| 一区二区三区国产精品乱码| 国产精品1区2区在线观看.| 国产乱人视频| 久久精品影院6| 俺也久久电影网| 色尼玛亚洲综合影院| 亚洲成av人片在线播放无| 国产午夜福利久久久久久| 免费av毛片视频| 精品免费久久久久久久清纯| 久久久久性生活片| 窝窝影院91人妻| 一区二区三区激情视频| 日韩欧美一区二区三区在线观看| 香蕉丝袜av| 97超级碰碰碰精品色视频在线观看| 亚洲在线自拍视频| 国产乱人伦免费视频| 精华霜和精华液先用哪个| 一二三四社区在线视频社区8| 18美女黄网站色大片免费观看| 黄色片一级片一级黄色片| 亚洲av成人精品一区久久| 久久香蕉精品热| 亚洲精品一区av在线观看| 乱人视频在线观看| 51国产日韩欧美| 国产精品一区二区免费欧美| 免费无遮挡裸体视频| 国产真实伦视频高清在线观看 | 亚洲精品国产精品久久久不卡| 午夜福利视频1000在线观看| 高清在线国产一区| 国产精品乱码一区二三区的特点| 在线视频色国产色| 99国产综合亚洲精品| 性欧美人与动物交配| 欧美+日韩+精品| 中文字幕人妻丝袜一区二区| 午夜激情欧美在线| 国产探花极品一区二区| 黄片小视频在线播放| 操出白浆在线播放| www日本在线高清视频| 久久中文看片网| 在线免费观看不下载黄p国产 | 又爽又黄无遮挡网站| 两人在一起打扑克的视频| 90打野战视频偷拍视频| 夜夜爽天天搞| 亚洲内射少妇av| xxxwww97欧美| 波野结衣二区三区在线 | 老汉色∧v一级毛片| 哪里可以看免费的av片| 久久国产乱子伦精品免费另类| 亚洲美女视频黄频| 日韩欧美精品免费久久 | 精品国内亚洲2022精品成人| 免费看a级黄色片| 国产精华一区二区三区| 欧美日韩黄片免| 久久久色成人| 欧美+亚洲+日韩+国产| 美女 人体艺术 gogo| 亚洲av成人不卡在线观看播放网| 午夜精品久久久久久毛片777| 成人av一区二区三区在线看| bbb黄色大片| 又粗又爽又猛毛片免费看| 少妇人妻精品综合一区二区 | 在线观看一区二区三区| 国产av一区在线观看免费| 国产私拍福利视频在线观看| 欧美一级a爱片免费观看看| 88av欧美| 午夜视频国产福利| 久久精品综合一区二区三区| 国产亚洲精品综合一区在线观看| 亚洲av第一区精品v没综合| 老司机深夜福利视频在线观看| 国产高清有码在线观看视频| 久久久久久久久中文| 日韩欧美三级三区| 亚洲欧美精品综合久久99| 亚洲欧美日韩东京热| 熟妇人妻久久中文字幕3abv| 亚洲激情在线av| 国产色爽女视频免费观看| 天堂动漫精品| 久久久久久久久中文| 一夜夜www| 成年版毛片免费区| 禁无遮挡网站| 大型黄色视频在线免费观看| 久久久国产成人精品二区| 国内揄拍国产精品人妻在线| 国产综合懂色| 亚洲av成人av| 91九色精品人成在线观看| 成人午夜高清在线视频| 精品不卡国产一区二区三区| 久久久国产成人免费| 国产精品影院久久| 精品午夜福利视频在线观看一区| 香蕉av资源在线| 日韩大尺度精品在线看网址| 欧美性猛交黑人性爽| 国产精品亚洲美女久久久| 亚洲aⅴ乱码一区二区在线播放| 黄色日韩在线| 久9热在线精品视频| 神马国产精品三级电影在线观看| 精品午夜福利视频在线观看一区| 啦啦啦韩国在线观看视频| 哪里可以看免费的av片| 欧美乱色亚洲激情| 久久天躁狠狠躁夜夜2o2o| 亚洲中文字幕一区二区三区有码在线看| 欧美日韩一级在线毛片| 少妇人妻一区二区三区视频| 精品久久久久久久久久久久久| 国产高清视频在线观看网站| 欧美高清成人免费视频www| 狠狠狠狠99中文字幕| 一级黄色大片毛片| 操出白浆在线播放| 少妇人妻一区二区三区视频| 中文字幕人妻熟人妻熟丝袜美 | 最新美女视频免费是黄的| 国产黄a三级三级三级人| 国产午夜精品论理片| 日本a在线网址| 亚洲专区国产一区二区| 国产真实乱freesex| 亚洲真实伦在线观看| 亚洲欧美精品综合久久99| 久久精品国产亚洲av香蕉五月| 久久久精品大字幕| 久久久久久大精品| 激情在线观看视频在线高清| 亚洲av免费高清在线观看| 久久精品人妻少妇| 亚洲久久久久久中文字幕| 中文字幕人妻丝袜一区二区| 久久精品国产综合久久久| 69av精品久久久久久| 国语自产精品视频在线第100页| 欧美成狂野欧美在线观看| 神马国产精品三级电影在线观看| 亚洲精品乱码久久久v下载方式 | 又黄又粗又硬又大视频| 中国美女看黄片| 国产高潮美女av| 国产精品久久久久久久久免 | 亚洲无线在线观看| 国产毛片a区久久久久| 久久九九热精品免费| 日本五十路高清| 国产久久久一区二区三区| 老汉色av国产亚洲站长工具| 国产伦一二天堂av在线观看| 日韩高清综合在线| 日韩精品青青久久久久久| 色av中文字幕| 波多野结衣高清作品| 国产熟女xx| 欧美xxxx黑人xx丫x性爽| 一进一出抽搐gif免费好疼| 在线看三级毛片| 久久99热这里只有精品18| 日日夜夜操网爽| 69人妻影院| 亚洲专区国产一区二区| 非洲黑人性xxxx精品又粗又长| 男女下面进入的视频免费午夜| 午夜精品一区二区三区免费看| av在线天堂中文字幕| 九九在线视频观看精品| 日本撒尿小便嘘嘘汇集6| 久久99热这里只有精品18| 波多野结衣巨乳人妻| 啪啪无遮挡十八禁网站| 国产高清视频在线播放一区| 国产精品久久久久久久久免 | 观看美女的网站| 亚洲成人免费电影在线观看| 两人在一起打扑克的视频| 18禁国产床啪视频网站| netflix在线观看网站| 亚洲精品影视一区二区三区av| 精品电影一区二区在线| 亚洲国产中文字幕在线视频| 成年女人永久免费观看视频| 婷婷精品国产亚洲av| 一进一出抽搐动态| 草草在线视频免费看| 亚洲中文日韩欧美视频| 精品久久久久久久末码| 精品人妻1区二区| 99久久成人亚洲精品观看| 舔av片在线| 在线a可以看的网站| 亚洲人成伊人成综合网2020| 亚洲片人在线观看| 亚洲av中文字字幕乱码综合| 亚洲精品影视一区二区三区av| 日韩欧美国产一区二区入口| 在线播放国产精品三级| or卡值多少钱| 女同久久另类99精品国产91| 99久久精品国产亚洲精品| 免费电影在线观看免费观看| 中文资源天堂在线| 免费观看人在逋| 99国产精品一区二区三区| 国产三级中文精品| 最近视频中文字幕2019在线8| 日日摸夜夜添夜夜添小说| 麻豆国产97在线/欧美| 一级毛片女人18水好多| 九九久久精品国产亚洲av麻豆| 老司机福利观看| 2021天堂中文幕一二区在线观| 久9热在线精品视频| 欧美三级亚洲精品| 午夜老司机福利剧场| 在线观看免费视频日本深夜| 美女cb高潮喷水在线观看| 精品一区二区三区人妻视频| 亚洲人成电影免费在线| 两个人的视频大全免费| 在线免费观看不下载黄p国产 | 亚洲一区高清亚洲精品| 一级a爱片免费观看的视频| 精品久久久久久成人av| 国产高清激情床上av| www.熟女人妻精品国产| 18禁国产床啪视频网站| 中文字幕久久专区| 国产精品爽爽va在线观看网站| 国产亚洲精品av在线| 免费观看人在逋| 成年版毛片免费区| 男人的好看免费观看在线视频| 色视频www国产| 亚洲乱码一区二区免费版| 亚洲一区高清亚洲精品| 欧美bdsm另类| 高清在线国产一区| 麻豆国产97在线/欧美| 日本成人三级电影网站| 少妇的丰满在线观看| 亚洲精品粉嫩美女一区| 三级男女做爰猛烈吃奶摸视频| 免费在线观看亚洲国产| 在线免费观看的www视频| 内射极品少妇av片p| 亚洲人与动物交配视频| 99热只有精品国产| 成人高潮视频无遮挡免费网站| 国产美女午夜福利| 欧美黄色片欧美黄色片| 757午夜福利合集在线观看| 一级黄片播放器| 岛国视频午夜一区免费看| 亚洲av五月六月丁香网| 在线看三级毛片| АⅤ资源中文在线天堂|