• <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 ?

    一種新型確定性風(fēng)電功率預(yù)測模型及其概率性評(píng)估

    2016-11-16 09:00:16楊家然王興成羅曉芬
    現(xiàn)代電力 2016年5期
    關(guān)鍵詞:電功率確定性置信度

    楊家然,王興成,蔣 程,羅曉芬

    (1.大連海事大學(xué),遼寧大連 116026;2.國網(wǎng)北京市電力公司,北京 100031;3.華能威海發(fā)電有限責(zé)任公司,山東威?!?64205)

    ?

    一種新型確定性風(fēng)電功率預(yù)測模型及其概率性評(píng)估

    楊家然1,王興成1,蔣程2,羅曉芬3

    (1.大連海事大學(xué),遼寧大連116026;2.國網(wǎng)北京市電力公司,北京100031;3.華能威海發(fā)電有限責(zé)任公司,山東威海264205)

    0 引 言

    隨著風(fēng)電穿透功率的不斷增大,風(fēng)電功率的隨機(jī)性、波動(dòng)性必將嚴(yán)重影響電網(wǎng)的安全、經(jīng)濟(jì)運(yùn)行[1-2]。對(duì)風(fēng)電功率進(jìn)行準(zhǔn)確的預(yù)測,對(duì)于電網(wǎng)安全經(jīng)濟(jì)調(diào)度、風(fēng)電場運(yùn)行都有重要意義。

    目前風(fēng)電功率預(yù)測可以分為物理、統(tǒng)計(jì)及組合3類方法[3]。組合預(yù)測利用數(shù)值天氣預(yù)報(bào)(Numerical Weather Prediction,以下簡稱NWP)及風(fēng)電功率歷史數(shù)據(jù)進(jìn)行建模,綜合物理、統(tǒng)計(jì)方法的優(yōu)點(diǎn),經(jīng)驗(yàn)表明是目前最優(yōu)的確定性預(yù)測方法[4]。

    現(xiàn)有風(fēng)電功率預(yù)測多為確定性預(yù)測方法,如文獻(xiàn)[5-7]并沒有對(duì)確定性預(yù)測結(jié)果進(jìn)行概率性評(píng)估。文獻(xiàn)[8-10]雖屬于概率性預(yù)測方法,對(duì)預(yù)測值及誤差分布進(jìn)行了研究,但都屬于統(tǒng)計(jì)方法的范疇,沒有充分利用組合模型的預(yù)測優(yōu)勢,且沒有與確定性方法相結(jié)合,而確定性預(yù)測結(jié)果的概率性評(píng)估可以給出預(yù)測值的完備信息,為系統(tǒng)調(diào)度決策提供可靠依據(jù)。

    本文提出一種基于小波變換和模糊自適應(yīng)共振映射的新型確定性預(yù)測方法,利用NWP及風(fēng)電功率歷史數(shù)據(jù)進(jìn)行確定性預(yù)測,屬于組合預(yù)測方法。同時(shí)提出基于分位數(shù)回歸分析,并以置信度、銳度、技術(shù)評(píng)分為指標(biāo),對(duì)確定性預(yù)測結(jié)果進(jìn)行概率性評(píng)估。以國內(nèi)某風(fēng)電場為例,驗(yàn)證所提預(yù)測方法的可行性、有效性。

    1 小波變換

    小波變換(Wavelet Transform,以下簡稱WT)通過基本函數(shù)ψ(t)伸縮平移運(yùn)算對(duì)信號(hào)進(jìn)行多尺度分解,達(dá)到高頻處時(shí)間細(xì)分,低頻處頻率細(xì)分,從而可凸顯信號(hào)某些方面的特征[11]。

    設(shè)x(t)是平方可積信號(hào),即x(t)∈L2(R),則x(t)的連續(xù)小波變換定義為

    (1)

    將a和b同時(shí)離散化,即令a=2j,則b=2jkb0,將b0歸一化,則

    (2)

    若將t離散化,取t=nTs,Ts=1,得到x(t)的離散序列小波變換:

    (3)

    Mallat和Meyer提出了計(jì)算離散正交小波變換的快速算法,即Mallat算法,該算法分為兩步:信號(hào)分解與重構(gòu)[12]。本文選用雙正交小波db4作為母小波,對(duì)風(fēng)電功率信號(hào)進(jìn)行三層尺度分解,得到3個(gè)細(xì)節(jié)信號(hào)(Detail Signal)和一個(gè)近似信號(hào)(Approximate Signal),信號(hào)處理流程如圖1所示。關(guān)于離散小波變換的詳細(xì)過程可參考文獻(xiàn)[13]。

    圖1 小波分解與重構(gòu)流程圖

    2 模糊自適應(yīng)共振映射網(wǎng)絡(luò)

    2.1Fuzzy ARTMAP算法概述

    模糊自適應(yīng)共振映射 (Fuzzy Adaptive Resonance Theory Map,以下簡稱FA)算法能夠在不斷變化的條件下訓(xùn)練新樣本,并且保持已訓(xùn)練樣本的信息[14]。

    2.2Fuzzy ARTMAP原理

    圖2所示為Fuzzy ARTMAP 網(wǎng)絡(luò)的結(jié)構(gòu): FA網(wǎng)絡(luò)由兩個(gè)模塊ARTa和ARTb組成,這兩個(gè)模塊通過一個(gè)映射域(Map Field)鏈接,對(duì)任意序列的輸入模式都能進(jìn)行穩(wěn)定的實(shí)時(shí)監(jiān)督學(xué)習(xí),最終獲取所需的結(jié)果[15]。其中F0層為預(yù)處理階段;F1層接受輸入向量,同時(shí)構(gòu)造輸入向量的補(bǔ)碼,以避免類別增加。訓(xùn)練數(shù)據(jù)向量和目標(biāo)分類向量輸入進(jìn)FA 網(wǎng)絡(luò),目的是訓(xùn)練出正確的分類[16]。

    圖2 FUZZY ARTMAP網(wǎng)絡(luò)結(jié)構(gòu)圖

    相同分類的輸入模式會(huì)被聚類成同一種標(biāo)簽。定義分類數(shù)為N,N個(gè)隸屬函數(shù)基本算法通過反復(fù)訓(xùn)練來計(jì)算出相似度的最大值和最小值。若在一定時(shí)間內(nèi)訓(xùn)練權(quán)值不再發(fā)生顯著改變,訓(xùn)練階段就判定完成。上述階段為離線學(xué)習(xí)。一旦訓(xùn)練完成,F(xiàn)A網(wǎng)絡(luò)則作為一個(gè)輸入數(shù)據(jù)的分類器來顯示ARTa。在分類過程和學(xué)習(xí)網(wǎng)絡(luò)工作無效的情況下,ARTb失效。在這個(gè)階段,網(wǎng)絡(luò)在內(nèi)聯(lián)模塊輸出上會(huì)獲得預(yù)測的分類標(biāo)簽,這些分類標(biāo)簽被模糊化以獲得預(yù)測值。

    本文以訓(xùn)練數(shù)據(jù)向量(包括風(fēng)電功率、風(fēng)速、風(fēng)向、溫度)和目標(biāo)分類向量(風(fēng)電功率)作為FA網(wǎng)絡(luò)的輸入。FA網(wǎng)絡(luò)參數(shù)選擇如表1所示。關(guān)于FA網(wǎng)絡(luò)詳細(xì)訓(xùn)練過程可參考相關(guān)文獻(xiàn)[17-18]。

    表1 訓(xùn)練Fuzzy ARTMAP網(wǎng)絡(luò)的參數(shù)

    3 分位數(shù)回歸簡介

    分位數(shù)回歸分析(Quantile Regression,以下簡稱QR)能細(xì)致地刻畫自變量X對(duì)于因變量Y的變化范圍及條件分布的影響,可以得到條件分布的完整信息[19-20]。

    對(duì)于任意隨機(jī)變量Y,它的所有性質(zhì)都可以由Y的分布函數(shù)描述,即

    (4)

    隨機(jī)變量Y的τ分位函數(shù)定義為

    (5)

    即分位函數(shù)Q(τ)高于樣本集中比例為τ的部分,而低于比例為1-τ的部分。一般的線性條件分位函數(shù)表示為

    (6)

    式中:β0(τ)和β(τ)=[β1(τ)…βp(τ)]T是待估計(jì)的回歸參數(shù),分別表示截距和斜率;Xi=[xi,1…xi,p]T對(duì)應(yīng)于N個(gè)樣本(Yi,Xi)i=1,2,…,N。 在本文中xi,1代表風(fēng)電功率,xi,2代表風(fēng)速,xi,3代表風(fēng)向,xi,4代表溫度,即有p=4。

    (7)

    (8)

    式中:ρτ(e)為檢驗(yàn)函數(shù)。

    本文利用參數(shù)化可加性模型及三次B樣條基函數(shù)近似(6)式,進(jìn)而由樣本集數(shù)據(jù)得到參數(shù)解,此方法能同時(shí)兼顧運(yùn)算效率以及運(yùn)算速度[22-23],計(jì)算過程如下:

    (9)

    式中:fj(·)為非線性平滑函數(shù);可表示為三次B樣條基函數(shù)的線性組合,如下式:

    (10)

    式中:bjk(·)為三次B樣條基函數(shù);θjk為待估系數(shù);nj為樣條函數(shù)節(jié)點(diǎn)數(shù)。由式(9)、(10)可得

    (11)

    利用QR并設(shè)置所需分位點(diǎn)τi可得到風(fēng)電功率在預(yù)測時(shí)刻t的一組分位數(shù)Yt,τi,即可揭示t時(shí)刻風(fēng)電功率概率分布,進(jìn)而進(jìn)行概率性分析。

    4 預(yù)測評(píng)價(jià)指標(biāo)

    4.1確定性預(yù)測評(píng)價(jià)指標(biāo)

    以平均絕對(duì)百分誤差(MAPE)、均方根誤差(RMSE)、平均絕對(duì)誤差(MAE)作為確定性預(yù)測精度評(píng)價(jià)指標(biāo),其定義公式分別如下[24]:

    (12)

    (13)

    (14)

    (15)

    4.2概率性預(yù)測評(píng)價(jià)指標(biāo)

    為對(duì)風(fēng)電功率預(yù)測結(jié)果做出概率性預(yù)測精度評(píng)估,本文選用置信度(Reliability)、銳度(Sharpness)、技術(shù)評(píng)分(Skill Score)3個(gè)性能指標(biāo)進(jìn)行評(píng)估。本文分位點(diǎn)τi設(shè)置為:1%~5%步長為1%;5%~95%步長為5%;95%~99%步長為1%。3個(gè)性能指標(biāo)簡介如下[25]:

    置信度表示預(yù)測的概率與平均觀測頻數(shù)的一致性,例如75%的觀測值要小于等于75%分位數(shù)。指示變量Iτi,jk表示為

    (16)

    (17)

    (18)

    (19)

    (20)

    銳度表征概率性預(yù)測同確定性預(yù)測相似程度,以分位數(shù)對(duì)的平均間隔作為指標(biāo),計(jì)算過程如下:

    (21)

    (22)

    (23)

    技術(shù)評(píng)分是概率性預(yù)測的綜合評(píng)價(jià)指標(biāo),計(jì)算過程如下:

    (24)

    式中:Sc為技術(shù)評(píng)分;m為設(shè)置的分位點(diǎn)個(gè)數(shù)。技術(shù)評(píng)分越高表示預(yù)測性能越好,最大值為0。

    5 預(yù)測方法流程

    本文預(yù)測方法流程如圖3所示,介紹如下:

    步驟1:確定性預(yù)測模型輸入t及t-1時(shí)刻風(fēng)電功率、風(fēng)速、風(fēng)向、溫度,分別表示為WPt、WPt-1、WSt、WSt-1、WDt、WDt-1、Tt、Tt-1。由圖可以看出只有風(fēng)電功率數(shù)據(jù)WP經(jīng)過小波變換,WS、WD、T直接進(jìn)入FA網(wǎng)絡(luò)。WPt經(jīng)3層尺度分解得到一個(gè)低頻近似信號(hào)A3,t和3個(gè)高頻細(xì)節(jié)信號(hào)D1,t、D2,t、D3,t,WPt-1處理過程類似得到A3,t-1、D1,t-1、D2,t-1、D3,t-1。

    步驟2:A3,t-1、D1,t-1、D2,t-1、D3,t-1及A3,t、D1,t、D2,t、D3,t連同WSt、WSt-1、WDt、WDt-1、Tt、Tt-1輸入到已訓(xùn)練完成的FA網(wǎng)絡(luò),進(jìn)行模式分類。本文使用預(yù)測日前60d歷史數(shù)據(jù)(60×24×4=5 760點(diǎn))作為FA網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)。

    步驟4:在訓(xùn)練階段,由歷史風(fēng)電功率數(shù)據(jù)及相應(yīng)時(shí)期NWP數(shù)據(jù)對(duì) (11)式進(jìn)行函數(shù)擬合得到分位函數(shù)Q(τ)。在預(yù)測階段,利用確定性風(fēng)電功率預(yù)測值及相應(yīng)時(shí)期NWP數(shù)據(jù),由已知Q(τ)進(jìn)行概率性預(yù)測,進(jìn)而對(duì)確定性預(yù)測值做出概率評(píng)估。

    圖3 風(fēng)電功率預(yù)測流程圖

    6 算法仿真

    本文選擇山東某風(fēng)電場進(jìn)行算法仿真。以2014整年SCADA系統(tǒng)的觀測風(fēng)電功率值及相應(yīng)歷史時(shí)期的NWP數(shù)據(jù)(包括風(fēng)速、風(fēng)向、溫度)為原始數(shù)據(jù),時(shí)間分辨率為15min,從2014年4個(gè)季度中選取3、6、9、12月作為四季代表,其相應(yīng)數(shù)據(jù)作為測試數(shù)據(jù),其余數(shù)據(jù)作為訓(xùn)練數(shù)據(jù),預(yù)測時(shí)間尺度為24h和72h。選用持續(xù)法(Persistence)[26]、BP神經(jīng)網(wǎng)絡(luò)法[27]、FA網(wǎng)絡(luò)法、WT與BP網(wǎng)絡(luò)結(jié)合方法[28](以下簡記為WT+BP)與本文所提方法(以下簡記為WT+FA)進(jìn)行對(duì)比。

    分別從4個(gè)月中隨機(jī)抽取一日(分別為3月9日、6月21日、9月17日、12月26日)進(jìn)行1~24h的96步預(yù)測。表2為各預(yù)測方法日前預(yù)測結(jié)果的MAPE值。由表2可以看出持續(xù)法MAPE值最大,WT+FA模型MAPE值最小。由平均MAPE值可以看出,神經(jīng)網(wǎng)絡(luò)模型(BP、FA)預(yù)測精度總體高于持續(xù)法,神經(jīng)網(wǎng)絡(luò)模型與WT相結(jié)合(WT+BP、WT+FA)又進(jìn)一步提高預(yù)測精度。表明采用WT可明顯區(qū)分風(fēng)電功率各頻段信號(hào)的變化規(guī)律特征,使NWP數(shù)據(jù)分量與對(duì)應(yīng)的非線性關(guān)系更易于FA網(wǎng)絡(luò)學(xué)習(xí),因而能普遍提高BP及FA模型的預(yù)測精度。

    表2 風(fēng)電功率日前預(yù)測MAPE值對(duì)比表 %

    表3、表4為風(fēng)電功率日前預(yù)測各模型RMSE及MAE值對(duì)比表格??梢钥闯鯳T+FA模型明顯優(yōu)于其他模型,且隨季節(jié)變化其預(yù)測性能指標(biāo)一致最優(yōu),說明該預(yù)測模型具有較強(qiáng)的魯棒性。

    表3 風(fēng)電功率日前預(yù)測RMSE值對(duì)比表 %

    表4 風(fēng)電功率日前預(yù)測MAE值對(duì)比表 %

    圖4為3月9日BP及WT+FA預(yù)測值與實(shí)際值對(duì)比曲線圖,由圖可以看出WT+FA預(yù)測值與實(shí)際值趨勢一致,且預(yù)測誤差更小。其他預(yù)測模型及預(yù)測日期仿真結(jié)果類似,不再列出。

    圖4 3月9日風(fēng)電功率預(yù)測結(jié)果

    分別從4個(gè)月中選取第一日進(jìn)行72h預(yù)測。表5、6、7為各模型預(yù)測性能指標(biāo)值。由表5可以看出WT+FA模型的平均MAPE值為14.60%明顯優(yōu)于持續(xù)法(21.42%)。風(fēng)電功率時(shí)間序列含有大量波動(dòng)和尖峰值,屬于非平穩(wěn)信號(hào),利用WT可將其分解成不同頻率段上的信號(hào)。風(fēng)電功率及NWP數(shù)據(jù)具有日特征,使用WT將風(fēng)電功率分解,可將原序列中的高頻噪聲分量濾除,得到的低頻分量變化較為緩慢,其日特征更為明顯,便于神經(jīng)網(wǎng)絡(luò)進(jìn)行模式學(xué)習(xí)、分類。因而,由表5可以看出BP、FA與WT相結(jié)合后可以明顯提高其預(yù)測精度。表6、表7可以得出同樣的結(jié)論。

    表5 風(fēng)電功率72h預(yù)測MAPE值對(duì)比表 %

    表6 風(fēng)電功率72h預(yù)測RMSE值對(duì)比表 %

    表7 風(fēng)電功率72h預(yù)測MAE值對(duì)比表 %

    概率性評(píng)估是在概率意義上評(píng)估WT+FA模型的有效性及可靠性。為便于簡化說明問題,本文只選擇BP模型與WT+FA模型進(jìn)行對(duì)比,其他模型與WT+FA模型對(duì)比結(jié)果類似。圖5為兩種模型日前預(yù)測平均置信度對(duì)比圖。中間0刻度水平線代表預(yù)測的概率與平均觀測頻數(shù)完全一致,即置信度最優(yōu)值為0。由圖5可以看出,對(duì)于大部分分位點(diǎn),WT+FA模型具有更優(yōu)的置信度,即在概率意義上WT+FA模型預(yù)測更為準(zhǔn)確。圖6為兩種模型72h預(yù)測平均置信度對(duì)比圖,其對(duì)比結(jié)果類似。

    圖5 WT+FA與BP日前預(yù)測平均置信度對(duì)比圖

    圖6 WT+FA與BP 72h預(yù)測平均置信度對(duì)比圖

    圖7為兩種模型日前預(yù)測銳度對(duì)比圖。由圖可以看出,利用BP模型的預(yù)測結(jié)果進(jìn)行QR概率性預(yù)測,其銳度值比利用WT+FA模型稍微優(yōu)越,即預(yù)測分位數(shù)間隔較窄,其預(yù)測結(jié)果的不確定性程度較低。同時(shí),對(duì)比分析圖5、圖6、圖7、應(yīng)注意到置信度和銳度之間存在一種權(quán)衡關(guān)系,即提高置信度一般會(huì)降低銳度,反之亦然。一般置信度是模型概率性評(píng)估的主要指標(biāo)[29]。

    圖7 WT+FA與BP日前預(yù)測銳度對(duì)比圖

    圖8為兩種模型日前預(yù)測技術(shù)評(píng)分對(duì)比圖。由圖可以看出,WT+FA模型比BP模型技術(shù)評(píng)分更高,即模型綜合預(yù)測性能更優(yōu)。

    圖8 WT+FA與BP日前預(yù)測技術(shù)評(píng)分對(duì)比圖

    3個(gè)性能指標(biāo)在概率意義上對(duì)預(yù)測性能進(jìn)行評(píng)估,是確定性預(yù)測結(jié)果準(zhǔn)確度的指示器。仿真結(jié)果表明WT+FA模型對(duì)確定性預(yù)測和概率性評(píng)估都具有優(yōu)良性能。關(guān)于兩種模型72h預(yù)測銳度及技術(shù)評(píng)分仿真結(jié)果對(duì)比與此類似,限于篇幅不再列出。

    7 結(jié) 論

    風(fēng)電功率預(yù)測的概率性評(píng)估是對(duì)確定性預(yù)測的信息補(bǔ)充和完善,能為系統(tǒng)調(diào)度決策提供更好的依據(jù)。本文運(yùn)用QR對(duì)所提WT+FA模型確定性預(yù)測結(jié)果進(jìn)行概率性評(píng)估,得出結(jié)論如下:

    ① 風(fēng)能具有較強(qiáng)的隨機(jī)性和波動(dòng)性,歷史風(fēng)電功率時(shí)間序列含有大量峰值和噪聲,利用WT可將其分解成不同頻段的信號(hào),降低其非平穩(wěn)性,使各頻段信號(hào)的變化規(guī)律特征更明顯。

    ② 以WT分解后的各頻段信號(hào)及NWP數(shù)據(jù)作為輸入,F(xiàn)A網(wǎng)絡(luò)能更精確地學(xué)習(xí)NWP數(shù)據(jù)分量與風(fēng)電功率各分解信號(hào)之間的非線性關(guān)系,因而能提高確定性預(yù)測精度。

    ③ 利用QR并設(shè)置恰當(dāng)分位點(diǎn),可揭示風(fēng)電功率概率分布信息,對(duì)確定性預(yù)測結(jié)果進(jìn)行概率性評(píng)估,3個(gè)性能指標(biāo)能更加全面地刻畫風(fēng)電功率預(yù)測的不確定性。

    ④ 對(duì)于實(shí)際運(yùn)行風(fēng)電場的算例表明,本文所提確定性預(yù)測模型及概率性評(píng)估能提供全面、有效的預(yù)測信息,對(duì)提高電網(wǎng)運(yùn)行安全性、經(jīng)濟(jì)性水平具有積極意義。

    [1]遲永寧, 劉燕華, 王偉勝, 等. 風(fēng)電接入對(duì)電力系統(tǒng)的影響[J]. 電網(wǎng)技術(shù), 2007, 31(3): 77-81.

    [2]薛禹勝, 雷興, 薛峰, 等. 關(guān)于風(fēng)電不確定性對(duì)電力系統(tǒng)影響的評(píng)述[J]. 中國電機(jī)工程學(xué)報(bào), 2014, 34(29): 5029-5040.

    [3]韓爽. 風(fēng)電場功率短期預(yù)測方法研究[D]. 北京: 華北電力大學(xué), 2008.

    [4]薛禹勝,郁琛,趙俊華, 等. 關(guān)于短期及超短期風(fēng)電功率預(yù)測的評(píng)述[J].電力系統(tǒng)自動(dòng)化, 2015, 39(6): 141-151.

    [5]劉興杰,岑添云,鄭文書,等. 基于模糊粗糙集與改進(jìn)聚類的神經(jīng)網(wǎng)絡(luò)風(fēng)速預(yù)測[J]. 中國電機(jī)工程學(xué)報(bào), 2014, 34(19): 3162-3169.

    [6]丁志勇, 楊萍, 楊曦, 等. 基于連續(xù)時(shí)間段聚類的支持向量機(jī)風(fēng)電功率預(yù)測方法[J].電力系統(tǒng)自動(dòng)化, 2012, 36(14): 131-135.

    [7]劉克文,蒲天驕,周海明, 等. 風(fēng)電日前發(fā)電功率的集成學(xué)習(xí)預(yù)測模型[J]. 中國電機(jī)工程學(xué)報(bào), 2013, 33(34): 130-135.

    [8]王松巖,于繼來. 風(fēng)速與風(fēng)電功率的聯(lián)合條件概率預(yù)測方法[J]. 中國電機(jī)工程學(xué)報(bào), 2011, 31(7): 7-15.

    [9]楊明,范澍,韓學(xué)山, 等. 基于分量稀疏貝葉斯學(xué)習(xí)的風(fēng)電場輸出功率概率預(yù)測方法[J].電力系統(tǒng)自動(dòng)化, 2012, 36(14): 125-130.

    [10]王彩霞, 魯宗相, 喬穎, 等. 基于非參數(shù)回歸模型的短期風(fēng)電功率預(yù)測[J].電力系統(tǒng)自動(dòng)化, 2010, 34(16): 78-82.

    [11]Catalao J, Pousinho H, Mendes V. Hybrid Wavelet-PSO-ANFIS approach for short-term electricity prices forecasting[J]. IEEE Transactions on Power Systems, 2011, 26(2):137-144.

    [12]Mallat S. A theory for multiresolution signal decomposition: the wavelet representation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1989, 11(7): 674-693.

    [13]Conejo A, Plazas M, Espinola R, et al. Day-ahead electricity price forecasting using the wavelet transform and ARIMA models[J]. IEEE Transactions on Power Systems, 2005, 20(2):1035-1042.

    [14]Lopes M L M, Minussi C R, Lotufo A D P. Electric load forecasting using a fuzzy ART & ARTMAP neural network[J]. Applied Soft Computing, 2005, 5(2): 235-244.

    [15]Haque A U, Meng J. Short-term wind speed forecasting based on fuzzy ARTMAP[J]. International Journal of Green Energy, 2011, 8(1): 65-80.

    [16]王斯藤,唐旭晟,陳丹. 基于模糊自適應(yīng)共振理論映射算法的單樣本三維人臉識(shí)別[J].計(jì)算機(jī)應(yīng)用, 2014, 34(9): 2595-2599.

    [17]Dagher I,Georgiopoulos M, Heileman G, et al. An ordering algorithm for pattern presentation in fuzzy ARTMAP that tends to improve generalization performance[J]. IEEE Transactions on Neural Networks, 1999, 10(4): 768-778.

    [18]鐘金宏, 楊善林. Fuzzy ARTMAP神經(jīng)網(wǎng)絡(luò)綜述[J]. 計(jì)算機(jī)科學(xué), 2001, 28(5): 89-92.

    [19]閻潔, 劉永前, 韓爽, 等. 分位數(shù)回歸在風(fēng)電功率預(yù)測不確定性分析中的應(yīng)用[J]. 太陽能學(xué)報(bào), 2013, 34(12): 2101-2107.

    [20]關(guān)靜. 分位數(shù)回歸理論及其應(yīng)用[D]. 天津: 天津大學(xué), 2008.

    [21]陳建寶, 丁軍軍. 分位數(shù)回歸技術(shù)綜述[J]. 統(tǒng)計(jì)與信息論壇, 2008, 23(3): 89-95.

    [22]Moller J,Nielsen H, Madsen H. Time-adaptive quantile regression[J]. Computat. Statist. Data Anal., 2008, 52(3):1292-1303.

    [23]Nielsen H A, Madsen H, Nielsen T S. Using quantile regression to extend an existing wind power forecasting system with probabilistic forecasts[J]. Wind Energy, 2006, 9(1):95-108.

    [24]Q/GDW588—2011, 風(fēng)電功率預(yù)測功能規(guī)范[S]. 北京: 國家電網(wǎng)公司, 2011.

    [25]Pinson P, Nielsen H A, Muller J K, et al. Non-parametric probabilistic forecasts of wind power: Required properties and evaluation[J]. Wind Energy, 2007, 10(6):497-516.

    [26]Alexiadis M, Dokopoulos P, Sahsamanoglou H, et al. Short term forecasting of wind speed and related electrical power[J]. Solar Energy, 1998, 63(1):61-68.

    [27]范高峰, 王偉勝, 劉純. 基于人工神經(jīng)網(wǎng)絡(luò)的風(fēng)電功率短期預(yù)測系統(tǒng)[J]. 電網(wǎng)技術(shù), 2008, 32(22): 72-76.

    [28]師洪濤, 楊靜玲, 丁茂生, 等. 基于小波-BP神經(jīng)網(wǎng)絡(luò)的短期風(fēng)電功率預(yù)測方法[J]. 電力系統(tǒng)自動(dòng)化, 2011, 35(16): 44-48.

    [29]Bessa R J, Miranda V, Botterud A, et al. Time-adaptive quantile-copula for wind power probabilistic forecasting[J]. Renew. Energy, 2012, 40(1):29-39.

    (責(zé)任編輯:林海文)

    A New Kind of Deterministic Wind Power Forecasting Model and Its Probabilistic Assessment

    YANG Jiaran1, WANG Xingcheng1, JIANG Cheng2, LUO Xiaofen3

    (1. The College of Information Science and Technology, Dalian Maritime University, Dalian 116026, China;2. State Grid Beijing Electric Power Company, Beijing 100031, China;3. Huaneng Weihai Power Generation CO., LTD, Weihai 264205, China)

    現(xiàn)有風(fēng)電功率預(yù)測多數(shù)為確定性預(yù)測,而由于風(fēng)電功率具有隨機(jī)性和波動(dòng)性,確定性預(yù)測在不確定性條件下難以為系統(tǒng)調(diào)度決策提供有效信息,概率性預(yù)測能夠提供預(yù)測的不確定性信息。提出一種基于小波變換和模糊自適應(yīng)共振映射的新型確定性預(yù)測方法,利用數(shù)值天氣預(yù)報(bào)及風(fēng)電功率歷史數(shù)據(jù)進(jìn)行確定性預(yù)測。同時(shí)基于分位數(shù)回歸分析,并以置信度、銳度、技術(shù)評(píng)分為指標(biāo),對(duì)確定性預(yù)測結(jié)果進(jìn)行概率性評(píng)估。以某風(fēng)電場為例,給出了確定性預(yù)測值及概率性評(píng)估,驗(yàn)證了所提方法的有效性。

    概率性預(yù)測;分位數(shù)回歸;模糊自適應(yīng)共振映射;小波變換;風(fēng)電功率預(yù)測

    Most of the existing wind power forecasting is deterministic, but the deterministic forecasting is difficult to provide effective information for the system scheduling decision under uncertainty conditions due to stochastic and volatility of the wind power, and the probability forecasting can provide uncertainty information. A new deterministic forecasting method is proposed based on wavelet transform and fuzzy adaptive resonance mapping by using the historical data of numerical weather forecast and wind power. At the same time, based on quantile regression analysis, deterministic prediction results are probabilistically assessed by regarding confidence, the sharpness and the skill score as the index. Taking a wind electric field as an example, the deterministic forecast value and the probability assessment are given, which verify the validity of the proposed method.

    probabilistic forecasting; quantile regression; fuzzy adaptive resonance theory map; wavelet transform; wind power forecasting

    1007-2322(2016)05-0080-07

    A

    TM614

    2015-09-17

    楊家然(1984—),男,博士研究生,主要研究方向?yàn)樾履茉床⒕W(wǎng)、預(yù)測、調(diào)度等,E-mail:yiran_qqqqqq@qq.com;

    王興成(1956—),男,通信作者,博士生導(dǎo)師,教授,主要研究方向?yàn)轸敯艨刂评碚?、非線性控制、復(fù)雜系統(tǒng)控制、先進(jìn)控制技術(shù),E-mail:dmuwxc@dlmu.edu.cn;

    蔣程(1984—),男,博士,工程師,主要研究方向?yàn)榛鹆Πl(fā)電技術(shù)仿真及新能源并網(wǎng)、調(diào)度;

    羅曉芬(1983—),女,碩士,工程師,主要研究方向?yàn)榛鹆Πl(fā)電技術(shù)仿真及新能源并網(wǎng)、調(diào)度。

    猜你喜歡
    電功率確定性置信度
    論中國訓(xùn)詁學(xué)與經(jīng)典闡釋的確定性
    論法律解釋的確定性
    法律方法(2022年1期)2022-07-21 09:18:56
    含混還是明證:梅洛-龐蒂論確定性
    基于PCC-CNN-GRU的短期風(fēng)電功率預(yù)測
    硼鋁復(fù)合材料硼含量置信度臨界安全分析研究
    輕松上手電功率
    你會(huì)計(jì)算電功率嗎
    解讀電功率
    正負(fù)關(guān)聯(lián)規(guī)則兩級(jí)置信度閾值設(shè)置方法
    法律確定性的統(tǒng)合理性根據(jù)與法治實(shí)施
    九九久久精品国产亚洲av麻豆| 亚洲aⅴ乱码一区二区在线播放| 一进一出抽搐动态| 亚洲三级黄色毛片| 国产伦理片在线播放av一区 | 中文亚洲av片在线观看爽| 人人妻人人澡欧美一区二区| 欧美性猛交黑人性爽| 99久国产av精品国产电影| 成人美女网站在线观看视频| 啦啦啦观看免费观看视频高清| 夫妻性生交免费视频一级片| 精品国产三级普通话版| 久久韩国三级中文字幕| 国产精品久久久久久久久免| 精品久久久久久久久久免费视频| 国产午夜精品论理片| 国产成人a∨麻豆精品| 3wmmmm亚洲av在线观看| 最新中文字幕久久久久| av又黄又爽大尺度在线免费看 | 亚洲最大成人中文| 免费av不卡在线播放| 国产爱豆传媒在线观看| 久久久久久伊人网av| 深爱激情五月婷婷| 观看美女的网站| 超碰av人人做人人爽久久| 日本av手机在线免费观看| 好男人视频免费观看在线| 日本撒尿小便嘘嘘汇集6| 又黄又爽又刺激的免费视频.| 日韩一区二区视频免费看| 不卡视频在线观看欧美| 寂寞人妻少妇视频99o| av在线观看视频网站免费| 久久人人爽人人爽人人片va| 最近中文字幕高清免费大全6| 欧美色视频一区免费| 亚洲成a人片在线一区二区| 成人二区视频| 亚洲图色成人| 久久久久久久亚洲中文字幕| 久久久久免费精品人妻一区二区| 亚洲自拍偷在线| 超碰av人人做人人爽久久| 国产69精品久久久久777片| 天堂av国产一区二区熟女人妻| 精品熟女少妇av免费看| 国产成人91sexporn| 能在线免费看毛片的网站| 直男gayav资源| 国产白丝娇喘喷水9色精品| 精品久久久久久久久亚洲| 日本av手机在线免费观看| 国产一级毛片在线| 亚洲在久久综合| 久久99蜜桃精品久久| 男女边吃奶边做爰视频| 午夜精品在线福利| 99热这里只有是精品50| 亚洲精品乱码久久久久久按摩| 色哟哟·www| 国产人妻一区二区三区在| 国产探花在线观看一区二区| 午夜福利在线在线| 天美传媒精品一区二区| 夫妻性生交免费视频一级片| 亚洲欧洲国产日韩| 美女内射精品一级片tv| 成人综合一区亚洲| 2021天堂中文幕一二区在线观| 舔av片在线| 桃色一区二区三区在线观看| 国产精品国产高清国产av| 午夜a级毛片| 午夜福利在线观看吧| 亚洲天堂国产精品一区在线| 久久热精品热| 国产黄色小视频在线观看| 国产v大片淫在线免费观看| 亚洲最大成人中文| 亚洲一级一片aⅴ在线观看| 99久久精品国产国产毛片| 欧美激情久久久久久爽电影| 久久久久久久久久黄片| 舔av片在线| 日韩亚洲欧美综合| 国产欧美日韩精品一区二区| 精品人妻视频免费看| 午夜亚洲福利在线播放| 99热6这里只有精品| 爱豆传媒免费全集在线观看| 国产成人a∨麻豆精品| 99久久人妻综合| 在线a可以看的网站| 少妇丰满av| 欧美xxxx黑人xx丫x性爽| 国产综合懂色| 亚洲精品乱码久久久久久按摩| 国产一区二区亚洲精品在线观看| 干丝袜人妻中文字幕| 大香蕉久久网| 亚洲熟妇中文字幕五十中出| 国产精品一二三区在线看| 国产伦一二天堂av在线观看| 久久久久久伊人网av| 在现免费观看毛片| 亚洲人成网站在线播| 久久这里有精品视频免费| 亚洲第一电影网av| 中文字幕av在线有码专区| 三级国产精品欧美在线观看| 狂野欧美激情性xxxx在线观看| 国内精品宾馆在线| 国产欧美日韩精品一区二区| 国产精品久久久久久亚洲av鲁大| 一级毛片久久久久久久久女| 亚洲精品乱码久久久v下载方式| 免费看光身美女| 日韩欧美精品v在线| 观看美女的网站| 蜜桃亚洲精品一区二区三区| 亚洲人成网站在线播放欧美日韩| a级毛片a级免费在线| 久久人人爽人人片av| 亚洲人成网站在线观看播放| 国产一区二区三区av在线 | 日本撒尿小便嘘嘘汇集6| 91狼人影院| 美女大奶头视频| 日本爱情动作片www.在线观看| 一卡2卡三卡四卡精品乱码亚洲| 免费av不卡在线播放| 亚洲av男天堂| 国产真实乱freesex| 人人妻人人看人人澡| 男女啪啪激烈高潮av片| 岛国在线免费视频观看| 精品久久久久久成人av| 精品一区二区三区人妻视频| 国产黄色小视频在线观看| 免费黄网站久久成人精品| 人人妻人人澡人人爽人人夜夜 | 一级黄色大片毛片| a级毛片免费高清观看在线播放| 一级黄片播放器| 免费看光身美女| 国产蜜桃级精品一区二区三区| 国模一区二区三区四区视频| 久久久久久久久中文| 黄片无遮挡物在线观看| 亚洲精品久久国产高清桃花| av专区在线播放| 久久人人精品亚洲av| 夜夜爽天天搞| 精品国内亚洲2022精品成人| 国产午夜精品久久久久久一区二区三区| 日韩成人av中文字幕在线观看| 午夜福利成人在线免费观看| 不卡一级毛片| av在线播放精品| 高清在线视频一区二区三区 | 国产真实伦视频高清在线观看| 岛国在线免费视频观看| 国产av麻豆久久久久久久| 欧美又色又爽又黄视频| 亚洲在线自拍视频| 国产极品天堂在线| 精品久久久久久久末码| kizo精华| 美女黄网站色视频| 久久久国产成人精品二区| 色综合色国产| 成人特级av手机在线观看| 极品教师在线视频| 日韩欧美 国产精品| 黄色视频,在线免费观看| 日韩一区二区三区影片| 国产老妇女一区| 男女边吃奶边做爰视频| 亚洲精品乱码久久久v下载方式| 国产成人精品久久久久久| 91久久精品国产一区二区三区| 特大巨黑吊av在线直播| 两个人的视频大全免费| 日日干狠狠操夜夜爽| 国产色爽女视频免费观看| 亚洲av中文av极速乱| 一个人免费在线观看电影| 级片在线观看| 国产真实伦视频高清在线观看| 国模一区二区三区四区视频| 国产伦一二天堂av在线观看| 国产亚洲91精品色在线| 老司机福利观看| 国产亚洲精品久久久久久毛片| 国产亚洲91精品色在线| 老司机影院成人| 看片在线看免费视频| 1000部很黄的大片| 亚洲国产欧美人成| 一本精品99久久精品77| 亚洲精品日韩av片在线观看| 精品人妻熟女av久视频| 免费av不卡在线播放| 成年女人永久免费观看视频| av黄色大香蕉| 精华霜和精华液先用哪个| 一本久久中文字幕| www.av在线官网国产| 日韩三级伦理在线观看| 亚洲欧美精品综合久久99| 人体艺术视频欧美日本| 校园人妻丝袜中文字幕| 久久久久久久久中文| 日韩制服骚丝袜av| 国产一级毛片在线| 亚洲激情五月婷婷啪啪| 久久午夜亚洲精品久久| 夫妻性生交免费视频一级片| 一夜夜www| 青春草视频在线免费观看| 亚洲自拍偷在线| 午夜福利视频1000在线观看| 九草在线视频观看| 久久久精品欧美日韩精品| 国产在视频线在精品| 只有这里有精品99| 简卡轻食公司| 久久精品91蜜桃| 欧美日韩乱码在线| 久久久欧美国产精品| 国产高清激情床上av| 精品无人区乱码1区二区| 波野结衣二区三区在线| 日本爱情动作片www.在线观看| 成人综合一区亚洲| 亚洲av男天堂| 国产精品久久电影中文字幕| 成人三级黄色视频| 日本撒尿小便嘘嘘汇集6| 国产精品久久久久久久电影| 欧美激情在线99| 精品久久久久久久人妻蜜臀av| 亚洲美女视频黄频| 婷婷色av中文字幕| 此物有八面人人有两片| 麻豆国产av国片精品| 岛国毛片在线播放| 日本免费a在线| 午夜精品一区二区三区免费看| 久久精品国产自在天天线| 人妻少妇偷人精品九色| 中文亚洲av片在线观看爽| 搡老妇女老女人老熟妇| 国产成人午夜福利电影在线观看| АⅤ资源中文在线天堂| 日本一本二区三区精品| 男女做爰动态图高潮gif福利片| 国产日本99.免费观看| 国产一级毛片七仙女欲春2| 精品免费久久久久久久清纯| 国产亚洲精品av在线| 美女黄网站色视频| av黄色大香蕉| 九九久久精品国产亚洲av麻豆| 日本黄色片子视频| 神马国产精品三级电影在线观看| 99在线视频只有这里精品首页| 一个人看的www免费观看视频| 黄色视频,在线免费观看| 日韩视频在线欧美| 在线免费观看的www视频| 中出人妻视频一区二区| 国产精品福利在线免费观看| 一进一出抽搐动态| 两个人的视频大全免费| 久久国内精品自在自线图片| 插逼视频在线观看| 成人无遮挡网站| 国产精品99久久久久久久久| 99九九线精品视频在线观看视频| 18+在线观看网站| 亚洲熟妇中文字幕五十中出| 国产成人a区在线观看| 久久精品国产自在天天线| 日本撒尿小便嘘嘘汇集6| 国产免费一级a男人的天堂| 欧美成人a在线观看| 欧美+日韩+精品| 国产成人精品婷婷| 国产av一区在线观看免费| www日本黄色视频网| 久久精品国产亚洲网站| 天天躁夜夜躁狠狠久久av| 午夜福利视频1000在线观看| 全区人妻精品视频| 性色avwww在线观看| 老熟妇乱子伦视频在线观看| 午夜亚洲福利在线播放| 国产精品99久久久久久久久| 青青草视频在线视频观看| 赤兔流量卡办理| 亚洲精品色激情综合| 亚洲第一电影网av| 日韩欧美一区二区三区在线观看| 日本在线视频免费播放| 九九久久精品国产亚洲av麻豆| 国产精品久久久久久久久免| 国产一区二区三区av在线 | 国内揄拍国产精品人妻在线| 校园春色视频在线观看| 少妇丰满av| 欧美丝袜亚洲另类| 天堂中文最新版在线下载 | 免费看光身美女| 久久久精品欧美日韩精品| av专区在线播放| 国产高清视频在线观看网站| 黄色欧美视频在线观看| 又粗又硬又长又爽又黄的视频 | 久久精品夜夜夜夜夜久久蜜豆| 夜夜夜夜夜久久久久| 男的添女的下面高潮视频| 日本一二三区视频观看| 成年女人看的毛片在线观看| 亚洲av免费高清在线观看| av天堂中文字幕网| 欧美成人a在线观看| 久久久久国产网址| 免费搜索国产男女视频| 人人妻人人澡人人爽人人夜夜 | www.色视频.com| 成年av动漫网址| 欧美又色又爽又黄视频| 韩国av在线不卡| 99久久久亚洲精品蜜臀av| 久久久久九九精品影院| 久久精品91蜜桃| 国产成人影院久久av| 变态另类成人亚洲欧美熟女| 日韩高清综合在线| 亚洲人成网站在线播放欧美日韩| 国产精华一区二区三区| 色哟哟哟哟哟哟| 亚洲四区av| 亚洲av二区三区四区| 69人妻影院| 国产探花极品一区二区| 日本av手机在线免费观看| 日日摸夜夜添夜夜添av毛片| 免费观看人在逋| 国产伦一二天堂av在线观看| 搡老妇女老女人老熟妇| 国产精品一区二区三区四区免费观看| 欧美日韩乱码在线| 欧美激情久久久久久爽电影| 欧美在线一区亚洲| 网址你懂的国产日韩在线| 欧美日韩乱码在线| 欧美激情久久久久久爽电影| av卡一久久| 国产精品一区二区在线观看99 | 日韩制服骚丝袜av| 老女人水多毛片| 久久中文看片网| 高清在线视频一区二区三区 | 国产一区二区亚洲精品在线观看| 亚洲av中文字字幕乱码综合| 黄色视频,在线免费观看| 91精品一卡2卡3卡4卡| 嫩草影院精品99| 欧美日本视频| 在线观看美女被高潮喷水网站| 伦精品一区二区三区| 欧美日韩乱码在线| 伦理电影大哥的女人| 99久久无色码亚洲精品果冻| 免费av不卡在线播放| 亚洲精品久久国产高清桃花| 亚洲中文字幕一区二区三区有码在线看| 亚洲欧美清纯卡通| 三级国产精品欧美在线观看| 三级毛片av免费| 2022亚洲国产成人精品| 久久草成人影院| 3wmmmm亚洲av在线观看| 亚洲国产精品国产精品| 国产精品免费一区二区三区在线| 精品久久久久久久久久免费视频| 99在线人妻在线中文字幕| 国产精品野战在线观看| 九九热线精品视视频播放| 亚洲成av人片在线播放无| 免费看美女性在线毛片视频| www.av在线官网国产| 国产精品久久久久久av不卡| 亚洲电影在线观看av| 1024手机看黄色片| 午夜福利在线在线| 欧美成人免费av一区二区三区| 色噜噜av男人的天堂激情| 亚洲国产精品久久男人天堂| 黑人高潮一二区| 国产探花在线观看一区二区| 激情 狠狠 欧美| 特级一级黄色大片| 日日摸夜夜添夜夜爱| 婷婷精品国产亚洲av| 99riav亚洲国产免费| 亚洲国产高清在线一区二区三| 亚洲欧美日韩高清专用| 久久久午夜欧美精品| 久久久久性生活片| 久久精品国产自在天天线| 国产精品永久免费网站| 爱豆传媒免费全集在线观看| 午夜视频国产福利| 少妇裸体淫交视频免费看高清| 国产探花极品一区二区| 97热精品久久久久久| 国产午夜福利久久久久久| 人妻少妇偷人精品九色| 国产一区二区三区av在线 | 一边亲一边摸免费视频| 日韩欧美在线乱码| 欧美zozozo另类| 精品不卡国产一区二区三区| 亚洲欧美中文字幕日韩二区| 日本五十路高清| 欧美成人免费av一区二区三区| 久久精品国产亚洲av香蕉五月| 午夜久久久久精精品| 国产亚洲91精品色在线| 日韩成人伦理影院| 天天躁日日操中文字幕| 人妻夜夜爽99麻豆av| 精品无人区乱码1区二区| 美女大奶头视频| 日本在线视频免费播放| АⅤ资源中文在线天堂| 国产成人一区二区在线| 18禁在线无遮挡免费观看视频| 久久精品91蜜桃| 亚洲成人久久爱视频| 黄片无遮挡物在线观看| 久久精品国产鲁丝片午夜精品| 国产精品人妻久久久影院| 波多野结衣巨乳人妻| 美女xxoo啪啪120秒动态图| 少妇高潮的动态图| 国产精品嫩草影院av在线观看| 22中文网久久字幕| 国产单亲对白刺激| 国产精品,欧美在线| 国产精品野战在线观看| 91在线精品国自产拍蜜月| 精品不卡国产一区二区三区| 日韩 亚洲 欧美在线| 人人妻人人澡欧美一区二区| 成年av动漫网址| 黑人高潮一二区| 看黄色毛片网站| 少妇裸体淫交视频免费看高清| 国产黄片美女视频| 在现免费观看毛片| 2021天堂中文幕一二区在线观| 99热这里只有精品一区| 国产亚洲91精品色在线| 欧美激情国产日韩精品一区| 国产成人影院久久av| 久久热精品热| 亚洲av电影不卡..在线观看| 爱豆传媒免费全集在线观看| 中文资源天堂在线| 在线观看午夜福利视频| 亚洲精品亚洲一区二区| 内地一区二区视频在线| 床上黄色一级片| 特级一级黄色大片| 最近手机中文字幕大全| 蜜臀久久99精品久久宅男| 亚洲久久久久久中文字幕| 国产男人的电影天堂91| 国产伦理片在线播放av一区 | 国产成人freesex在线| 18禁在线无遮挡免费观看视频| 边亲边吃奶的免费视频| 99久国产av精品| 97超视频在线观看视频| 人人妻人人看人人澡| 色播亚洲综合网| 亚洲成人久久性| 国产一级毛片在线| 国产一区亚洲一区在线观看| 伦精品一区二区三区| 午夜老司机福利剧场| 亚洲精品亚洲一区二区| 国产久久久一区二区三区| 国产黄a三级三级三级人| 亚洲性久久影院| 一级毛片我不卡| 神马国产精品三级电影在线观看| 别揉我奶头 嗯啊视频| 长腿黑丝高跟| 国产免费男女视频| 禁无遮挡网站| 亚洲欧美精品专区久久| 天堂影院成人在线观看| 黄色视频,在线免费观看| 三级男女做爰猛烈吃奶摸视频| 麻豆成人午夜福利视频| 久久精品国产自在天天线| 啦啦啦观看免费观看视频高清| 日本免费a在线| 久久精品91蜜桃| 麻豆av噜噜一区二区三区| 国产成人91sexporn| 在线国产一区二区在线| av卡一久久| 日韩人妻高清精品专区| 久久精品国产亚洲av天美| 亚洲内射少妇av| 色综合色国产| 国产麻豆成人av免费视频| 亚洲欧美成人综合另类久久久 | 神马国产精品三级电影在线观看| 在线播放国产精品三级| 舔av片在线| 九九在线视频观看精品| 日本黄色片子视频| 黑人高潮一二区| 搞女人的毛片| 久久国内精品自在自线图片| 国产 一区精品| 日本一本二区三区精品| 精品免费久久久久久久清纯| 两个人的视频大全免费| 国产91av在线免费观看| 成人特级av手机在线观看| 国产精品一区二区在线观看99 | 美女xxoo啪啪120秒动态图| 熟女电影av网| 久久久国产成人精品二区| 国产精品av视频在线免费观看| 99热精品在线国产| 国产成人a∨麻豆精品| 亚洲精品亚洲一区二区| 一本精品99久久精品77| 免费观看人在逋| 亚洲一区二区三区色噜噜| 欧美成人免费av一区二区三区| 亚洲内射少妇av| 网址你懂的国产日韩在线| 少妇人妻精品综合一区二区 | 欧美成人免费av一区二区三区| 九色成人免费人妻av| 99久久九九国产精品国产免费| 最近2019中文字幕mv第一页| 亚洲综合色惰| 国产精品99久久久久久久久| 久久久久网色| 亚洲美女视频黄频| 国产精品不卡视频一区二区| 国产亚洲精品久久久com| 亚洲精品成人久久久久久| 成人一区二区视频在线观看| 六月丁香七月| 2021天堂中文幕一二区在线观| 99热这里只有是精品50| av视频在线观看入口| 国产乱人视频| 99久久人妻综合| av在线天堂中文字幕| 日本成人三级电影网站| 欧美xxxx性猛交bbbb| 亚洲综合色惰| 国产探花极品一区二区| 可以在线观看的亚洲视频| 亚洲综合色惰| 日韩国内少妇激情av| 乱系列少妇在线播放| 亚洲综合色惰| 日韩国内少妇激情av| 国产成人aa在线观看| 国产精品一及| 久久久久国产网址| 中文字幕精品亚洲无线码一区| 美女黄网站色视频| 欧美激情久久久久久爽电影| 国产中年淑女户外野战色| 久久久久久久久大av| 日韩国内少妇激情av| 欧美xxxx性猛交bbbb| 国产精品国产三级国产av玫瑰| 特级一级黄色大片| 人妻少妇偷人精品九色| 国产精品一及| 欧美激情久久久久久爽电影| 精品无人区乱码1区二区| 亚洲欧美成人综合另类久久久 | 夫妻性生交免费视频一级片| 亚洲一区高清亚洲精品| 高清日韩中文字幕在线| 日韩一区二区视频免费看| 91在线精品国自产拍蜜月| 大型黄色视频在线免费观看| av在线老鸭窝| 岛国在线免费视频观看| 国产极品天堂在线| 联通29元200g的流量卡| 六月丁香七月| 成人三级黄色视频| 人人妻人人看人人澡|