• <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 ?

    高滲透率下分布式?jīng)Q策的負荷預(yù)測模型

    2016-12-15 01:52:38郭國棟
    黑龍江電力 2016年5期
    關(guān)鍵詞:貝葉斯分布式決策

    郭國棟

    (天津科技大學(xué),天津 300222)

    ?

    高滲透率下分布式?jīng)Q策的負荷預(yù)測模型

    郭國棟

    (天津科技大學(xué),天津 300222)

    為提高分布式新能源在電網(wǎng)中的滲透率和尋找有效的負荷預(yù)測方法,提出一種基于動態(tài)貝葉斯網(wǎng)絡(luò)的分布式?jīng)Q策模型,對電網(wǎng)負荷進行精確預(yù)測,即先用分類器按照負荷性質(zhì)將大電網(wǎng)進行聚類劃分,通過考慮影響負荷的各類因素以及這些因素之間的關(guān)系,對各個分布式網(wǎng)絡(luò)進行動態(tài)貝葉斯網(wǎng)絡(luò)建模,然后用貝葉斯優(yōu)化的方法以及轉(zhuǎn)移網(wǎng)絡(luò)對模型進行優(yōu)化,再用決策網(wǎng)絡(luò)對其進行總體預(yù)測。最后,通過實際算例計算、分析結(jié)果表明,這種方法在滲透率小的一般預(yù)測時,具有較高的精度,且學(xué)習(xí)時間短,適合在線預(yù)測。

    動態(tài)貝葉斯;分布式;負荷預(yù)測;決策網(wǎng)絡(luò);滲透率

    智能電網(wǎng)是新型現(xiàn)代化電網(wǎng),可以最大限度接納清潔能源,實現(xiàn)低碳綠色生活,提高電網(wǎng)安全穩(wěn)定性[1]。在這個框架下,隨著大規(guī)模可再生能源的并網(wǎng),其對電網(wǎng)的滲透率不斷提高,分布式電源輸出功率的波動也會在電網(wǎng)系統(tǒng)的安全性與經(jīng)濟性上產(chǎn)生重大影響[2]。精準的電力負荷預(yù)測可以有效保障電力系統(tǒng)的安全,并且經(jīng)濟合理地安排電力發(fā)電系統(tǒng)的啟停[3],最大程度地利用可再生能源[4-5]。

    傳統(tǒng)的負荷預(yù)測算法包括SVM預(yù)測算法[6]、神經(jīng)網(wǎng)絡(luò)算法[7]、灰色模型預(yù)測方法[8]。SVM算法對大規(guī)模訓(xùn)練樣本難以實施且存在分類問題,神經(jīng)網(wǎng)絡(luò)算法收斂速度慢且容易失敗,灰色模型誤差偏大。然而貝葉斯網(wǎng)絡(luò)(Bayesian network, BN)為分布式電網(wǎng)負荷預(yù)測提供了一種可行的方法。BN理論是采用概率理論在網(wǎng)絡(luò)節(jié)點上進行概率推理,可以由一些已知節(jié)點的概率推算出另外一些節(jié)點的概率。動態(tài)貝葉斯網(wǎng)絡(luò)(dynamic Bayesian network, DBN)在普通的貝葉斯網(wǎng)絡(luò)基礎(chǔ)上加入了時間信息,把原來的靜態(tài)貝葉斯網(wǎng)絡(luò)與時間信息結(jié)合,形成具有處理時序數(shù)據(jù)的隨機模型。在分布式新能源發(fā)電負荷并網(wǎng)的電力系統(tǒng)中,風(fēng)能發(fā)電的功率與某一時刻的風(fēng)速、風(fēng)向有關(guān),光伏發(fā)電的輸出功率與太陽輻射度、環(huán)境因素有關(guān),而一般情況下的負荷預(yù)測與天氣因素(最高溫度、最低溫度、降雨量等)和可中斷負荷因素有關(guān)。這些因素都是隨機的,且同一時刻不同因素之間與不同時刻同一因素之間是相互影響的?;诖?本文根據(jù)電網(wǎng)中電源性質(zhì)的相近性利用構(gòu)造貝葉斯網(wǎng)絡(luò)分類器的方法對整個電力系統(tǒng)網(wǎng)絡(luò)進行劃分,分析影響每個小網(wǎng)絡(luò)負荷因素之間的關(guān)系,構(gòu)造動態(tài)貝葉斯預(yù)測模型,然后探討電網(wǎng)總負荷與各個子電網(wǎng)負荷之間的關(guān)系,從而對整個電力網(wǎng)絡(luò)進行精準預(yù)測,最后通過算例計算、分析結(jié)果驗證其正確性。

    1 電力網(wǎng)絡(luò)的劃分

    1.1 根據(jù)負荷性質(zhì)劃分

    因為分布式電源的滲透率不斷提高[9-11],對電網(wǎng)來說是一個不可控源,所以在實際應(yīng)用中將分布式電源結(jié)合在微網(wǎng)中去。微網(wǎng)一般通過單點接入電網(wǎng),在電網(wǎng)端被視作可控發(fā)電源或負荷,微網(wǎng)可以并入電網(wǎng)或在孤島模式下運行,同一微網(wǎng)地理位置相近,條件也比較相似,往往可以根據(jù)性質(zhì)[12]劃分為一類電網(wǎng)。在電網(wǎng)中,商業(yè)用電、居民用電、工廠用電是不同性質(zhì)的用電,體現(xiàn)為不同的負荷特性,因此在電網(wǎng)劃分中也可以劃分為幾塊電網(wǎng)。

    1.2 Multi Agent技術(shù)的借鑒

    劃分好的電網(wǎng)與上級電網(wǎng)之間是一個分散式的控制(如微網(wǎng)與上級電網(wǎng)之間),Multi Agent技術(shù)是將一個大的系統(tǒng)劃分為幾個小的系統(tǒng),整個系統(tǒng)的預(yù)測任務(wù)可以由幾個小的系統(tǒng)相互協(xié)作完成,并具有以下幾個方面的優(yōu)勢:

    1) 多代理技術(shù)符合電力系統(tǒng)分布化的趨勢,能夠達到分布電源精確預(yù)測的目的。

    2) 除了預(yù)測之外,這種劃分方式的應(yīng)用有利于上級電網(wǎng)與下級電網(wǎng)以及下級電網(wǎng)之間的協(xié)調(diào)控制。

    3) 通過這種劃分可以找到影響負荷的主要因素,有利于制定滾動計劃或調(diào)峰計劃。

    4) 多代理系統(tǒng)可以加強下級電網(wǎng)對上級電網(wǎng)的支撐,改善預(yù)測結(jié)構(gòu)。借鑒多代理系統(tǒng)的結(jié)構(gòu),可以根據(jù)電網(wǎng)負荷性質(zhì)的相似性構(gòu)造貝葉斯網(wǎng)絡(luò)分類器對整個電網(wǎng)進行劃分。

    1.3 貝葉斯分類器的構(gòu)造

    貝葉斯分類實現(xiàn)的核心方法是構(gòu)造貝葉斯網(wǎng)絡(luò)。其主要思想是:在給定的待分樣本的條件下計算類別的后驗概率,確定每個小部分的后驗概率。

    式中:X[t]={X1[t],X2[t],…,Xn[t]}為在t時刻屬性變量的集合,0≤t≤T,而x[t]={x1[t],x2[t],…,xn[t]}是來描述n個屬性節(jié)點X1[t],X2[t],…,Xn[t]在t時刻的n個度量,xi[t](i=1,2,…,n)表示屬性Xi可能的取值;C[t]表示t時刻片段的類節(jié)點,ci[t]則表示相對應(yīng)的類節(jié)點C的取值。對于類來說,P(x[t])為常數(shù),P(Xi[t])表示類的先驗概率。

    考慮到時間因素,動態(tài)貝葉斯分類器是由許多時間片段構(gòu)成的。在時間序列下,C={C[0],C[1],…,C[T]}為類變量序列,X={X[0],X[1],…,X[T]}則是屬性變量序列,其中X[t]={X1[t],X2[t],…,Xn[t]},此時0≤t≤T。動態(tài)貝葉斯分類器的結(jié)構(gòu)如圖1所示。

    圖1 動態(tài)貝葉斯分類器結(jié)構(gòu)

    通過網(wǎng)絡(luò)分類,將各類信息歸類到各個數(shù)據(jù)庫,對結(jié)構(gòu)進行分析,調(diào)整劃分方向。

    2 動態(tài)貝葉斯網(wǎng)絡(luò)的分布式模型

    2.1 動態(tài)貝葉斯預(yù)測網(wǎng)絡(luò)的構(gòu)造

    通過將較大的電網(wǎng)進行劃分,可以得到多個較小的網(wǎng)絡(luò)。因為小網(wǎng)絡(luò)性質(zhì)相似,所以對負荷預(yù)測更為方便,結(jié)果也更為精確。各個分布式網(wǎng)絡(luò)的預(yù)測遵循相似的原則。

    首先,為了能對負荷進行準確預(yù)測,這個網(wǎng)絡(luò)應(yīng)包含對分布式負荷起重要作用的關(guān)鍵因素[13]。

    F(v)=1-e-(v/λ)k

    Prob(0)=F(v1)+[1-F(v3)]= 1-e-(v1/λ)k+e-(v3/λ)k

    Prob(Pw)=F(v3)-F(v2)= e-(v2/λ)k-e-(v3/λ)k

    式中:v為風(fēng)速,λ為尺度參數(shù),k為形狀參數(shù),Vim為區(qū)間[V1,V2]經(jīng)過離散化之后的第i段風(fēng)速,F(v)為風(fēng)速的累積分布函數(shù),Prob(0)為當風(fēng)機的有功功率為零時的概率,Prob(Pw)為風(fēng)機的有功功率為Pw時的概率,Prob(Pi+Pi+1)/2為風(fēng)機在第i段內(nèi)為(Pi+Pi+1)/2時的概率。

    對于光伏來說,其負荷與光照強度G和組件溫度T有關(guān),而組件溫度又與光照強度和環(huán)境溫度有關(guān),有如下關(guān)系:

    T=Ta+kG

    式中:Ta為環(huán)境溫度,k為相關(guān)系數(shù)。

    上述各種因素之間在同一時刻是相互影響的,相同的因素在相鄰時刻也是相互影響的,同一因素在時間序列下具有一定的自相關(guān)性。

    這里先選定風(fēng)速V、光照強度G、組件溫度T、環(huán)境溫度以及負荷功率P,其他因素可以用同樣的方式加入到網(wǎng)絡(luò)中。

    因為某一時刻負荷功率受到這一時刻風(fēng)速、光照強度、組件溫度和環(huán)境溫度的影響,同時在時序上也與上一時刻的負荷功率有著緊密聯(lián)系,因此有如下因果關(guān)系:

    P(Pt+1|Pt,Vt+1,Gt+1,Tt+1)

    式中:P為負荷功率,下標t和t+1分別表示當前時刻和預(yù)測時刻。

    組件溫度、光照強度和環(huán)境溫度有如下因果關(guān)系:

    P(Tt+1|Gt+1,Tat+1)

    再考慮時序上的關(guān)聯(lián)性,風(fēng)速、組件溫度、環(huán)境溫度和光照強度還有如下因果關(guān)系:

    P(Vt+1|Vt),P(Tt+1|Tt),

    P(Tat+1|Tat),P(Gt+1|Gt)

    上述因果關(guān)系可以用局部貝葉斯網(wǎng)絡(luò)表示,如圖2所示。

    圖2 局部貝葉斯網(wǎng)絡(luò)圖

    將以上網(wǎng)絡(luò)進行組合,得到靜態(tài)貝葉斯網(wǎng)絡(luò),如圖3所示。

    圖3 靜態(tài)貝葉斯網(wǎng)絡(luò)圖

    再結(jié)合時間序列信息,可以得到動態(tài)貝葉斯網(wǎng)絡(luò),如圖4所示。

    圖4 動態(tài)貝葉斯網(wǎng)絡(luò)圖

    這樣,動態(tài)貝葉斯網(wǎng)絡(luò)就形成了。

    2.2 動態(tài)貝葉斯網(wǎng)絡(luò)參數(shù)節(jié)點的計算

    當數(shù)據(jù)比較完備時,根據(jù)EM[14]算法,可以算出參數(shù)的極大似然估計,完成參數(shù)一個周期的更新。似然函數(shù)為L(θ:D),X={X1,X2,…,Xn}為動態(tài)貝葉斯網(wǎng)絡(luò)的變量集,Xi[m]是節(jié)點在第m個樣本中的數(shù)據(jù),Pai[m]是父節(jié)點集的配置,θ是待估參數(shù),D是樣本集。則公式為

    L(θ:D)=∏mP(X1[m],…,Xn[m]:θ)= ∏m∏iP(Xi[m]|Pai[m]:θi)= ∏i∏mP(Xi[m]|Pai[m]:θi)= ∏iLi(θi:D)

    似然函數(shù)就被分解成為n個獨立的參數(shù)極大似然估計問題。令N(Xi,Pi)為變量的充分統(tǒng)計因子,可以得到

    θXi|μai的最大似然估計為

    (1)

    2.3 動態(tài)貝葉斯網(wǎng)絡(luò)的優(yōu)化

    為了能使網(wǎng)絡(luò)在負荷預(yù)測中實時地解決問題,實現(xiàn)在線預(yù)測,本文提出了貝葉斯優(yōu)化(Bayesian Optimization Algorithm, BOA)與動態(tài)貝葉斯(DBN)網(wǎng)絡(luò)結(jié)合的算法。

    在網(wǎng)絡(luò)圖形模型智能優(yōu)化的基礎(chǔ)上,將DBN網(wǎng)絡(luò)作為轉(zhuǎn)移網(wǎng)絡(luò),在整個動態(tài)優(yōu)化的過程中,轉(zhuǎn)移網(wǎng)絡(luò)的作用非常重要。當樣本信息在時序軸上的t到t+1輪優(yōu)化條件變化時,轉(zhuǎn)移網(wǎng)絡(luò)會感知到所處環(huán)境的變化,基于對當前狀態(tài)的理解從而進行實時負荷預(yù)測。其過程如圖5所示。

    圖5 BOA與DBN的混合優(yōu)化機制

    DBN網(wǎng)絡(luò)感知到網(wǎng)絡(luò)節(jié)點集合發(fā)生變化后,適時改變基本條件,重新確立了新的種群以及優(yōu)化方向,大大提高了負荷智能預(yù)測的自主能力。

    為了簡化計算,一般往往可以去掉網(wǎng)絡(luò)一些不重要的節(jié)點,繼承上一代轉(zhuǎn)移網(wǎng)絡(luò)的優(yōu)點,重新計量一些邊。這樣就需要進行網(wǎng)絡(luò)搜索,而一般的搜索算法往往要搜索大量的節(jié)點空間,為了提高運算速度,采用一種啟發(fā)式算法。

    首先將時間T分成n個時間段,每個時間段長度為Δt=T/n,將每段進行計算再綜合。設(shè)定評分函數(shù)為

    (2)

    從0時刻起的Δt時間內(nèi),測得一批動態(tài)數(shù)據(jù)D1,基于前面的BOA方法,從所有的DBN結(jié)構(gòu)中搜索到的第一個最高評分SCORE1對應(yīng)網(wǎng)絡(luò)DBN1,再經(jīng)過一個Δt,得到SCORE2和DBN2,最后在nΔt即T時間內(nèi)得到SCORE0:T對應(yīng)的DBN0:T。這里所進行的綜合指的是以網(wǎng)絡(luò)結(jié)構(gòu)出現(xiàn)的概率為基礎(chǔ),考慮有向邊出現(xiàn)的次數(shù)。

    3 決策網(wǎng)絡(luò)的總體預(yù)測

    3.1 BN決策網(wǎng)絡(luò)的構(gòu)建

    前面已經(jīng)將一個大電網(wǎng)進行劃分,又對各個劃分的電網(wǎng)進行了分布式負荷預(yù)測。除了考慮各個分布式電網(wǎng)外,還得結(jié)合上級電網(wǎng)和用戶測的數(shù)據(jù),從而對整個電網(wǎng)進行一個預(yù)測,決策網(wǎng)絡(luò)的工作機制如圖6所示。

    圖6 決策網(wǎng)絡(luò)的工作機制

    為了精確、簡潔、快速地對大電網(wǎng)進行總體的預(yù)測,這里構(gòu)造一個決策網(wǎng)絡(luò)。

    由于分布式網(wǎng)絡(luò)通過感知環(huán)境后所形成的網(wǎng)絡(luò)節(jié)點集合的空間是很龐大的,實際應(yīng)用中需要在較短的時間內(nèi)找到?jīng)Q策網(wǎng)絡(luò)的結(jié)構(gòu),而以往的遺傳算法和進化算法并不具有處理這種結(jié)構(gòu)的效率性,因此可以采用改進進化算法的快速BN構(gòu)圖法進行尋找。

    設(shè)所有變量的集合I={X1,X2,…,Xn},其基本流程如下:

    1) 選擇初始節(jié)點Xroot,其原則是使變量取值分別為0和1時所對應(yīng)的染色體個數(shù)相差的絕對值最大。

    2)Iin表示之前已經(jīng)生成的部分樹形模型中的變量集,Iout=I-Iin。對于集合中的Xi∈In和Xj∈Iout,搜索到最大的BD(Xin-i→Xout-j),也就是尋找:

    BD(Xin-i→Xout-j)=max{BD(Xi→Xj)|Xi∈Iin,Xj∈Iout}。

    3) 把節(jié)點Xout-j加入Iin中去,使之成為Xin-i的子節(jié)點,這樣局部就增長了一個樹葉,于是

    Iin←Iin∪{Xout},Iout←Iout∪{Xout-j}

    4) 返回2),當集合I與Iin相等時結(jié)束。

    用上述過程構(gòu)造決策網(wǎng)絡(luò)時,為了進一步簡化運算,應(yīng)按照以下原則進行:節(jié)點的獨立性越弱越先添加一個邊指向它,一對節(jié)點相似性越強越先連接它們的邊,不同節(jié)點連接邊的添加具有可加性,而同一節(jié)點連接邊的添加并不具有可加性。

    在整個動態(tài)時序過程中,某一時刻的預(yù)測方向和優(yōu)化點的集合都可以遺傳給下一代的BN決策網(wǎng)絡(luò)做負荷預(yù)測使用。

    3.2 BN決策網(wǎng)絡(luò)預(yù)測的優(yōu)點

    BN決策網(wǎng)絡(luò)的構(gòu)造及前文轉(zhuǎn)移網(wǎng)絡(luò)共同組成了整個模型的雙核心結(jié)構(gòu)。

    將大電網(wǎng)進行劃分,再用動態(tài)貝葉斯網(wǎng)絡(luò)進行學(xué)習(xí)和預(yù)測,大大提高了預(yù)測的魯棒性和精確性。BN決策網(wǎng)絡(luò)的使用使算法有了較快的收斂速度,能夠?qū)崿F(xiàn)實時自主控制,即高度智能化。

    BN決策網(wǎng)絡(luò)不僅考慮了每個分布式電網(wǎng),還將客戶端與上級電網(wǎng)考慮了進來。此外,它還具有良好的擴展性,體現(xiàn)在以下幾個方面:

    1) 當決策網(wǎng)絡(luò)與專家系統(tǒng)結(jié)合時,受益于決策網(wǎng)絡(luò)的高度智能化,將會大幅度提高電網(wǎng)的運行效率。

    2)將決策網(wǎng)絡(luò)的優(yōu)化方向進行改變,則可以將其功能擴展到負荷預(yù)測之外的廣闊領(lǐng)域。如果將其優(yōu)化方向改為改善不間斷供電,那么結(jié)合新能源發(fā)電技術(shù)和新型儲能技術(shù),可以使功率輸出平滑,提高其穩(wěn)定性。此外,在故障檢測和用戶交互方面也有天然的優(yōu)勢。

    4 算例分析

    為驗證本文提出的負荷預(yù)測模型,使用Matlab中的FULLBNT工具箱進行網(wǎng)絡(luò)構(gòu)建。

    以某地區(qū)夏季的日負荷數(shù)據(jù)為研究對象,數(shù)據(jù)采集時間間隔為60 min。選取天氣因素相似的2013年5月31日—2013年5月20日的電力數(shù)據(jù)和氣候數(shù)據(jù)進行計算,來預(yù)測5月21日0—24時的負荷,其中3個捕捉到的時間點的數(shù)據(jù)如表1所示。

    表1 三個時間點的歷史數(shù)據(jù)

    按照負荷性質(zhì)對樣本進行劃分。為了了解負荷的時間性質(zhì)和空間性質(zhì),在matlab環(huán)境下做出相對負荷在時間維度與空間維度的三維仿真圖,這里先將樣本進行歸一化處理。將負荷處理到[0,1]區(qū)間內(nèi),時間維度本身就已限制在[0,24]區(qū)間內(nèi),無需再進行處理。在空間位置上選取幾何中心點,由遠及近將空間維度處理在[0,10]區(qū)間內(nèi)。歸一化公式為

    將所有數(shù)據(jù)進行處理,得到負荷的三維特性如圖7所示。

    圖7 負荷的三維特性

    從圖7可以看出,顏色的深淺代表相對負荷的大小,在時間維度10到11,空間維度4和7的位置有2個高峰,而在時間維度20到22時,在整個空間上延綿一片小高峰,在時間維度0到4時又出現(xiàn)成片藍色低谷,在空間上也有較好的集中性。為了給貝葉斯處理提供條件,這里采用非負矩陣分解法將其進行降維處理,如圖8所示。

    圖8 負荷特性的降維分類

    可以利用貝葉斯分類器來處理這個二維圖像減少計算量。再利用式(2)計算各分類網(wǎng)絡(luò)在各個時間段內(nèi)的評分。

    分析各個分布式網(wǎng)絡(luò)與風(fēng)速、溫度、濕度關(guān)系的強弱,找到強屬性集G1和弱屬性集G2。強屬性集G1={A1,A2},弱屬性集G2={A3},在要求計算速度的前提下可以忽略A3,如表2所示。

    表2 影響因素的關(guān)聯(lián)性結(jié)果

    在對分類后的每一部分電網(wǎng)中,利用本文所提出轉(zhuǎn)移矩陣的方法,以式(1)作為目標函數(shù),利用分布式協(xié)同進化算法將其在動態(tài)貝葉斯決策網(wǎng)絡(luò)中進行迭代。

    決策網(wǎng)絡(luò)中,為尋找BD(Xin-i→Xout-j)=max{BD(Xi→Xi)|Xi∈Iin,Xi∈Iout},將風(fēng)速、濕度、溫度的值處理為網(wǎng)絡(luò)點之間的概率值,經(jīng)過多次學(xué)習(xí)得到最優(yōu)參數(shù),如圖9所示。

    圖9 決策網(wǎng)絡(luò)參數(shù)學(xué)習(xí)曲線

    在圖9中,實際運行65代就已能得到最優(yōu)解和最優(yōu)參數(shù),當前后代數(shù)參數(shù)學(xué)習(xí)極大似然值的差小于0.001時就終止迭代了,但因為在線運行時繼續(xù)調(diào)整參數(shù),故65代后還在繼續(xù)。

    通過動態(tài)貝葉斯方法可以得到各個時刻的狀態(tài)區(qū)間,即各負荷出現(xiàn)在某一個值上的概率。本文采取某一時刻概率最大值所對應(yīng)負荷區(qū)間的中位數(shù)作為這一時刻的預(yù)測值。如5月21日8時的狀態(tài)區(qū)間,如圖10所示。這一刻的預(yù)測值就為270 MW。

    圖10 負荷預(yù)測的概率分布

    將本文的算法與一般的灰色神經(jīng)算法的預(yù)測結(jié)果進行對比,如圖11所示。

    圖11 負荷預(yù)測對比圖

    從圖11可以看到,本文所提出的模型可以有效地跟上實際負荷的變化,而灰色神經(jīng)預(yù)測模型在中間段有明顯的滯后性。

    采取均方根誤差作為判斷負荷預(yù)測結(jié)果準確性的指標,負荷預(yù)測的均方根誤差曲線如圖12所示。

    圖12 負荷預(yù)測的均方根誤差曲線

    因為實際選址條件限制,本例中分布式能源的滲透率并不高,但通過圖9可以看出,DBN預(yù)測的結(jié)果還是較為精確的,誤差可控制在5%以內(nèi),符合負荷預(yù)測的誤差標準,證明基于DBN的分布式?jīng)Q策網(wǎng)絡(luò)預(yù)測方法是可行的。而灰色預(yù)測方法較為粗糙,誤差達到了10%。由此可見,在一般負荷預(yù)測中,本文所述方法也是適用的。當新能源的滲透率更高時,本文方法的優(yōu)越性將會更加明顯。為了分析本文模型是否適用于在線預(yù)測,本文采用整個學(xué)習(xí)過程的收斂時間作為判斷指標。普通動態(tài)貝葉斯網(wǎng)絡(luò)與分布式?jīng)Q策貝葉斯網(wǎng)絡(luò)計算性能的對比如圖13所示。

    從圖13可以看到,當樣本數(shù)據(jù)較小時,兩者的差別并不大,但隨著數(shù)據(jù)量的增大,預(yù)測所需的學(xué)習(xí)時間有了明顯的不同,這說明分布式?jīng)Q策比貝葉斯更適合在線預(yù)測。

    圖13 算法所需時間對比

    5 結(jié) 論

    1) 利用動態(tài)貝葉斯網(wǎng)絡(luò)方法,考慮時序因素,充分利用歷史大數(shù)據(jù)進行學(xué)習(xí),能提高預(yù)測精度。

    2) 按照負荷性質(zhì),通過分類器對大電網(wǎng)進行聚類劃分,并進行分布式計算,能有效降低了網(wǎng)絡(luò)的復(fù)雜度。

    3) 提出了決策網(wǎng)絡(luò)方法,結(jié)合分布式網(wǎng)絡(luò),可大大降低計算復(fù)雜度。而且決策網(wǎng)絡(luò)擴展性好,可以用于電網(wǎng)優(yōu)化、故障檢測等方面。

    4) 這種方法在滲透率較小的一般預(yù)測時,具有較高的精度,且學(xué)習(xí)時間短,適合在線預(yù)測。

    [1] 張東霞, 姚良忠, 馬文媛.中外智能電網(wǎng)發(fā)展戰(zhàn)略[J].中國電機工程學(xué)報, 2013, 33(31):1-14.ZHANG Dongxia, YAO Liangzhong, MA Wenyuan.Development strategies of smart grid in China and abroad[J].Proceedings of the CSEE, 2013, 33(31):1-14.

    [2] 鮑薇, 胡學(xué)浩, 何國慶, 等.分布式電源并網(wǎng)標準研究[J].電網(wǎng)技術(shù), 2012, 36(11):46-52.BAO Wei, HU Xuehao, HE Guoqing, et al.Study on standard for grid-integration of distributed resources[J].Power System Technology, 2012, 36(11):46-52.

    [3] 黃海濤, 胡學(xué)英, 李翔, 等.實用化的激勵性可中斷負荷最優(yōu)補償定價模型[J].電網(wǎng)技術(shù), 2014, 38(8):2149-2154.HUANG Haitao, HU Xueying, LI Xiang, et al.A practicable optimal compensation pricing model for incentive interruptible load contract[J].Power System Technology, 2014, 38(8):2149-2154.

    [4] 王繼業(yè), 季知祥, 史夢潔, 等.智能配用電大數(shù)據(jù)需求分析與應(yīng)用研究[J].中國電機工程學(xué)報, 2015, 35(8):1829-1836. WANG Jiye, JI Zhixiang, SHI Mengjie, et al.Scenario analysis and application research on big data in smart power distribution and consumption systems[J].Proceedings of the CSEE, 2015, 35(8):1829-1836.

    [5] 張東霞, 苗新, 劉麗平, 等.智能電網(wǎng)大數(shù)據(jù)技術(shù)發(fā)展研究[J].中國電機工程學(xué)報, 2015, 35(1):2-12.ZHANG Dongxia, MIAO Xin, LIU Liping, et al.Research on development strategy for smart grid big data[J].Proceedings of the CSEE, 2015, 35(1):2-12.

    [6] 胡時雨, 羅滇生, 陽霜, 等.基于多變量 LS-SVM 和模糊循環(huán)推理系統(tǒng)的負荷預(yù)測[J].計算機應(yīng)用, 2015, 35(2):595-600. HU Shiyu, LUO Diansheng, YANG Shuang, et al.Load forecasting based on multi-variable LS-SVM and fuzzy recursive inference system[J].Journal of Computer Applications, 2015, 35(2):595-600.

    [7] 龐清樂.基于粗糙集理論的神經(jīng)網(wǎng)絡(luò)預(yù)測算法及其在短期負荷預(yù)測中的應(yīng)用[J].電網(wǎng)技術(shù), 2010, 34(12):168-173.PANG Qingle.A rough set-based neural network load forecasting algorithm and its application in short-term load forecasting[J].Power System Technology, 2010, 34(12):168-173.

    [8] 葛少云, 賈鷗莎, 劉洪.基于遺傳灰色神經(jīng)網(wǎng)絡(luò)模型的實時電價條件下短期電力負荷預(yù)測[J].電網(wǎng)技術(shù), 2012, 36(1):224-229.GE Shaoyun, JIA Ousha, LIU Hong.A gray neural network model improved by genetic algorithm for short-Term load forecasting in price-sensitive environment[J].Power System Technology, 2012, 36(1):224-229.

    [9] 王深哲, 高山, 李海峰, 等.含高滲透率間歇性電源的電網(wǎng)規(guī)劃方案優(yōu)選方法[J].電網(wǎng)技術(shù), 2013, 37(8):2129-2135.WANG Shenzhe, GAO Shan, LI Haifeng, et al.Optimal selection of planning schemes for power grid with high penetration of intermittent generation[J].Power System Technology, 2013, 37(8):2129-2135.

    [10] KERIN U.Dynamic security indication in power systems with large amount of renewanles[C]//Power and Energy Society General Meeting.San Diego:IEEE,2012:1-6.

    [11] 施琳, 羅毅, 施念, 等.高滲透率風(fēng)電—儲能孤立電網(wǎng)控制策略[J].中國電機工程學(xué)報, 2013, 33(16):78-85.SHI Lin, LUO Yi, SHI Nian, et al.A control strategy of isolated grid with high penetration of wind and energy storage systems[J].Proceedings of the CSEE, 2013, 33(16):78-85.

    [12] 田書, 王麗.考慮負荷類型的含分布式電源系統(tǒng)對 配電網(wǎng)電壓的影響[J].電網(wǎng)與清潔能源, 2014, 30(2):43-47.TIAN Shu, WANG Li.Influence of DG on the distribution network voltage considering the load type[J].Power System and Clean Energy, 2014, 30(2):43-47.

    [13] 高元海, 王淳.基于全概率公式的含風(fēng)電配電系統(tǒng)概率潮流計算[J].中國電機工程學(xué)報, 2015, 35(2):327-334.GAO Yuanhai, WANG Chun.Probabilistic load flow calculation of distribution system including wind farms based on total probability formula[J].Proceedings of the CSEE, 2015, 35(2):327-334.

    [14] 俞奎, 王浩, 吳信東, 等.貝葉斯網(wǎng)絡(luò)的并行EM學(xué)習(xí)算法[J].模式識別與人工智能, 2008, 21(5):670-675.YU Kui,WANG Hao, WU Xindong, et al.Leaning Bayesian networks using a parallel EM approach[J].PR &Al, 2008, 21(5):670-675.

    (責(zé)任編輯 張興業(yè))

    Load forecasting model based on distributed decision-making with high penetration

    GUO Guodong

    (Tianjin University of Science and Technology, Tianjin 300222, China)

    In order to enhance the penetration rate of distributed new energy in the grid and to find the effective way to forecast load, this paper proposed the distributed decision-making model based on dynamic Bayesian network to accurately predict the load on the grid.It is a method that firstly uses the classifier to divide and cluster the large grid according to the nature of the load.Then by considering all kinds of factors that influence the load and the the relationship between these factors, it establishes the model of distributed networks by dynamic Bayesian network, optimizes the model by the optimization of Bayesian method and the transfer network, and forecasts the overall load by decision-making network.Finally, the calculation and the analysis of the example shows that this method, of which the learning time is short, is effective and accurate in the system with small penetration and, which is suitable for on-line load forecasting.

    dynamic Bayesian;distributed;load forecasting;decision-making network;penetration

    2016-04-12。

    郭國棟(1995—),男,研究方向為電力系統(tǒng)及自動化。

    TP393

    A

    2095-6843(2016)05-0432-07

    猜你喜歡
    貝葉斯分布式決策
    為可持續(xù)決策提供依據(jù)
    決策為什么失誤了
    分布式光伏熱錢洶涌
    能源(2017年10期)2017-12-20 05:54:07
    分布式光伏:爆發(fā)還是徘徊
    能源(2017年5期)2017-07-06 09:25:54
    貝葉斯公式及其應(yīng)用
    基于貝葉斯估計的軌道占用識別方法
    一種基于貝葉斯壓縮感知的說話人識別方法
    電子器件(2015年5期)2015-12-29 08:43:15
    基于DDS的分布式三維協(xié)同仿真研究
    雷達與對抗(2015年3期)2015-12-09 02:38:50
    IIRCT下負二項分布參數(shù)多變點的貝葉斯估計
    西門子 分布式I/O Simatic ET 200AL
    99国产精品99久久久久| 日韩制服丝袜自拍偷拍| 国产真人三级小视频在线观看| 国产免费现黄频在线看| 别揉我奶头~嗯~啊~动态视频| www.熟女人妻精品国产| 国产精品久久久久久精品电影小说| 欧美精品高潮呻吟av久久| 国产一区二区三区综合在线观看| 波多野结衣一区麻豆| 搡老乐熟女国产| 国产精品国产高清国产av | 国产在线观看jvid| 性色av乱码一区二区三区2| 三级毛片av免费| 啦啦啦中文免费视频观看日本| 精品少妇一区二区三区视频日本电影| 一区福利在线观看| 国产免费福利视频在线观看| 国产亚洲欧美精品永久| 精品福利观看| 国产欧美日韩一区二区三| 欧美精品一区二区大全| 午夜久久久在线观看| 亚洲自偷自拍图片 自拍| www.自偷自拍.com| 国产精品av久久久久免费| 三级毛片av免费| 啦啦啦视频在线资源免费观看| 不卡一级毛片| 亚洲精品粉嫩美女一区| 久久这里只有精品19| 日日夜夜操网爽| 老汉色∧v一级毛片| 午夜福利,免费看| 日韩大码丰满熟妇| 我的亚洲天堂| 亚洲专区中文字幕在线| 精品国产一区二区三区久久久樱花| 精品熟女少妇八av免费久了| xxxhd国产人妻xxx| 少妇粗大呻吟视频| 亚洲人成77777在线视频| 国产精品美女特级片免费视频播放器 | 国产精品熟女久久久久浪| 免费黄频网站在线观看国产| 精品国产乱码久久久久久男人| e午夜精品久久久久久久| 色播在线永久视频| 天天影视国产精品| 久久免费观看电影| 91老司机精品| 久久人人97超碰香蕉20202| 欧美激情极品国产一区二区三区| 国产成人免费观看mmmm| 国产在视频线精品| 两个人免费观看高清视频| cao死你这个sao货| 国产激情久久老熟女| 一边摸一边抽搐一进一出视频| 免费少妇av软件| 满18在线观看网站| 欧美国产精品一级二级三级| 精品国产超薄肉色丝袜足j| 18禁国产床啪视频网站| 亚洲一卡2卡3卡4卡5卡精品中文| 少妇猛男粗大的猛烈进出视频| 久久久久久人人人人人| 99精国产麻豆久久婷婷| 成人三级做爰电影| 一区二区三区激情视频| 大香蕉久久网| 无人区码免费观看不卡 | 欧美精品一区二区大全| 在线播放国产精品三级| 国产无遮挡羞羞视频在线观看| 欧美黄色片欧美黄色片| 欧美日韩福利视频一区二区| 男男h啪啪无遮挡| 韩国精品一区二区三区| 99国产精品一区二区三区| av国产精品久久久久影院| 亚洲一码二码三码区别大吗| 别揉我奶头~嗯~啊~动态视频| 最新美女视频免费是黄的| 国产成+人综合+亚洲专区| 嫩草影视91久久| 女性生殖器流出的白浆| 最新的欧美精品一区二区| 99久久国产精品久久久| 两个人看的免费小视频| 黄色视频在线播放观看不卡| 国产一区有黄有色的免费视频| 国产精品av久久久久免费| 老司机午夜十八禁免费视频| 欧美久久黑人一区二区| 精品少妇一区二区三区视频日本电影| 亚洲国产毛片av蜜桃av| 成人免费观看视频高清| 亚洲人成电影观看| 一级片'在线观看视频| 亚洲精品久久午夜乱码| www.自偷自拍.com| 欧美精品人与动牲交sv欧美| 精品第一国产精品| 久久久久久久大尺度免费视频| 国产xxxxx性猛交| 欧美老熟妇乱子伦牲交| 国产成人精品在线电影| 视频在线观看一区二区三区| 久久久国产成人免费| 久久久久久久久免费视频了| 日韩欧美国产一区二区入口| av网站免费在线观看视频| 久久久久精品国产欧美久久久| 国产亚洲一区二区精品| 午夜福利在线免费观看网站| 国产激情久久老熟女| 99久久99久久久精品蜜桃| 汤姆久久久久久久影院中文字幕| 人妻一区二区av| 亚洲精品中文字幕一二三四区 | 国产深夜福利视频在线观看| 久久99一区二区三区| 男女高潮啪啪啪动态图| 999久久久国产精品视频| 极品教师在线免费播放| 色尼玛亚洲综合影院| 成人特级黄色片久久久久久久 | 国产人伦9x9x在线观看| 丝瓜视频免费看黄片| 亚洲九九香蕉| 欧美中文综合在线视频| 久久久久久人人人人人| 日本a在线网址| 国产精品欧美亚洲77777| 亚洲三区欧美一区| 黄色视频,在线免费观看| 亚洲国产欧美在线一区| 国产成人欧美| 国产成人精品久久二区二区91| 一级毛片电影观看| 欧美+亚洲+日韩+国产| 肉色欧美久久久久久久蜜桃| 最新美女视频免费是黄的| 久久久久久久国产电影| 在线看a的网站| 最近最新中文字幕大全电影3 | 午夜福利欧美成人| 久久午夜亚洲精品久久| 老司机深夜福利视频在线观看| av欧美777| 大香蕉久久成人网| 免费在线观看视频国产中文字幕亚洲| avwww免费| 99riav亚洲国产免费| 久久青草综合色| 国产日韩欧美亚洲二区| 一区二区三区精品91| 美女福利国产在线| 亚洲精品一二三| 亚洲人成电影免费在线| 一二三四在线观看免费中文在| 国产精品二区激情视频| 久久久久国产一级毛片高清牌| 女同久久另类99精品国产91| 中文字幕另类日韩欧美亚洲嫩草| 9色porny在线观看| 久久国产精品男人的天堂亚洲| 亚洲一区二区三区欧美精品| 在线观看舔阴道视频| 国产精品香港三级国产av潘金莲| 三级毛片av免费| 亚洲午夜精品一区,二区,三区| 中文字幕人妻丝袜一区二区| 如日韩欧美国产精品一区二区三区| 最新美女视频免费是黄的| 黄色 视频免费看| 国产高清激情床上av| 青草久久国产| 手机成人av网站| 男女床上黄色一级片免费看| 国产精品免费大片| 人人妻,人人澡人人爽秒播| 最近最新免费中文字幕在线| 日韩免费高清中文字幕av| av视频免费观看在线观看| 操出白浆在线播放| 一级黄色大片毛片| 久久中文字幕人妻熟女| 午夜免费鲁丝| 欧美变态另类bdsm刘玥| 久久这里只有精品19| 水蜜桃什么品种好| 俄罗斯特黄特色一大片| 怎么达到女性高潮| av视频免费观看在线观看| 女警被强在线播放| 建设人人有责人人尽责人人享有的| 日韩熟女老妇一区二区性免费视频| 人妻久久中文字幕网| 超碰97精品在线观看| 男女之事视频高清在线观看| 在线观看免费高清a一片| 午夜福利欧美成人| 国产区一区二久久| 麻豆乱淫一区二区| 亚洲一码二码三码区别大吗| 欧美日韩国产mv在线观看视频| 在线永久观看黄色视频| 老司机午夜福利在线观看视频 | 亚洲一区二区三区欧美精品| 国产精品熟女久久久久浪| 国产欧美日韩精品亚洲av| 欧美成人免费av一区二区三区 | 女人高潮潮喷娇喘18禁视频| 国产av又大| 天堂动漫精品| 精品久久蜜臀av无| 丝瓜视频免费看黄片| 亚洲av国产av综合av卡| 亚洲一区中文字幕在线| 人人妻人人澡人人爽人人夜夜| 国产精品 欧美亚洲| 好男人电影高清在线观看| 啪啪无遮挡十八禁网站| 人人妻人人添人人爽欧美一区卜| av在线播放免费不卡| 99香蕉大伊视频| 97人妻天天添夜夜摸| 国产精品.久久久| www.熟女人妻精品国产| 日韩 欧美 亚洲 中文字幕| 最黄视频免费看| 曰老女人黄片| 欧美日韩亚洲综合一区二区三区_| 成人18禁高潮啪啪吃奶动态图| 精品亚洲乱码少妇综合久久| 最黄视频免费看| 757午夜福利合集在线观看| 日本黄色日本黄色录像| 国产人伦9x9x在线观看| 亚洲精品久久成人aⅴ小说| 三级毛片av免费| 麻豆乱淫一区二区| a级毛片在线看网站| 99久久99久久久精品蜜桃| 午夜福利,免费看| 亚洲综合色网址| 中文字幕制服av| 亚洲一区二区三区欧美精品| 曰老女人黄片| 国产有黄有色有爽视频| 真人做人爱边吃奶动态| 中文字幕人妻丝袜一区二区| 最新美女视频免费是黄的| 国产日韩欧美在线精品| 色婷婷av一区二区三区视频| 狠狠精品人妻久久久久久综合| 18在线观看网站| 老司机亚洲免费影院| 久久精品人人爽人人爽视色| 黄色怎么调成土黄色| 久久精品aⅴ一区二区三区四区| 精品久久久久久电影网| 在线亚洲精品国产二区图片欧美| 国产成人影院久久av| 超碰成人久久| 俄罗斯特黄特色一大片| 亚洲 欧美一区二区三区| 日韩 欧美 亚洲 中文字幕| 超色免费av| 免费一级毛片在线播放高清视频 | 91成人精品电影| 亚洲九九香蕉| 久久精品国产99精品国产亚洲性色 | bbb黄色大片| 久久青草综合色| 极品少妇高潮喷水抽搐| 亚洲性夜色夜夜综合| 精品欧美一区二区三区在线| 9热在线视频观看99| 18禁国产床啪视频网站| 久久精品91无色码中文字幕| 高潮久久久久久久久久久不卡| 99国产极品粉嫩在线观看| 制服诱惑二区| 热re99久久精品国产66热6| 一级片免费观看大全| 中文字幕精品免费在线观看视频| 俄罗斯特黄特色一大片| 亚洲欧美一区二区三区久久| 久久久国产精品麻豆| 国产精品一区二区免费欧美| 免费在线观看完整版高清| 欧美另类亚洲清纯唯美| 精品视频人人做人人爽| 午夜激情久久久久久久| 国产精品久久久av美女十八| 成年女人毛片免费观看观看9 | av在线播放免费不卡| 十分钟在线观看高清视频www| 亚洲专区中文字幕在线| 国产精品美女特级片免费视频播放器 | 久久久久久久精品吃奶| 免费日韩欧美在线观看| 国内毛片毛片毛片毛片毛片| 欧美乱码精品一区二区三区| 国产av精品麻豆| 啦啦啦在线免费观看视频4| 国产91精品成人一区二区三区 | 啦啦啦 在线观看视频| 成人影院久久| 亚洲精品一二三| √禁漫天堂资源中文www| 日本欧美视频一区| 狂野欧美激情性xxxx| 人人妻,人人澡人人爽秒播| 在线观看免费午夜福利视频| 999久久久国产精品视频| 男人操女人黄网站| 老汉色∧v一级毛片| 嫁个100分男人电影在线观看| 国产精品98久久久久久宅男小说| 中亚洲国语对白在线视频| 757午夜福利合集在线观看| 香蕉丝袜av| 亚洲国产欧美网| 国产午夜精品久久久久久| 国产精品一区二区免费欧美| 亚洲久久久国产精品| 国产aⅴ精品一区二区三区波| 精品视频人人做人人爽| 午夜成年电影在线免费观看| 在线永久观看黄色视频| 91大片在线观看| avwww免费| av网站在线播放免费| 午夜福利视频在线观看免费| 日韩中文字幕视频在线看片| 99re在线观看精品视频| 国产成人啪精品午夜网站| 日本欧美视频一区| 国产男女内射视频| 人妻 亚洲 视频| 成人三级做爰电影| 久久精品aⅴ一区二区三区四区| 人妻久久中文字幕网| 日本欧美视频一区| 亚洲国产中文字幕在线视频| 少妇被粗大的猛进出69影院| 久久影院123| 18禁国产床啪视频网站| 国产成人av激情在线播放| 欧美黑人欧美精品刺激| 啦啦啦中文免费视频观看日本| 十八禁网站网址无遮挡| 啦啦啦中文免费视频观看日本| 国产欧美日韩精品亚洲av| 色视频在线一区二区三区| 日韩欧美三级三区| 精品国内亚洲2022精品成人 | 肉色欧美久久久久久久蜜桃| 757午夜福利合集在线观看| 狠狠狠狠99中文字幕| 国产精品熟女久久久久浪| 18禁美女被吸乳视频| 国产精品熟女久久久久浪| 男女免费视频国产| 国产精品1区2区在线观看. | 黄色片一级片一级黄色片| 中文字幕制服av| 操出白浆在线播放| 乱人伦中国视频| aaaaa片日本免费| 女人高潮潮喷娇喘18禁视频| 成年女人毛片免费观看观看9 | 亚洲成av片中文字幕在线观看| 久久人人爽av亚洲精品天堂| 成年人免费黄色播放视频| av国产精品久久久久影院| 亚洲中文日韩欧美视频| 欧美日韩亚洲综合一区二区三区_| av电影中文网址| 国产亚洲精品久久久久5区| 免费在线观看视频国产中文字幕亚洲| 男女之事视频高清在线观看| 一边摸一边抽搐一进一出视频| 啪啪无遮挡十八禁网站| 亚洲三区欧美一区| 99香蕉大伊视频| 18禁观看日本| 久久这里只有精品19| 涩涩av久久男人的天堂| 操美女的视频在线观看| 精品一区二区三卡| 黄色丝袜av网址大全| 蜜桃在线观看..| 国产精品一区二区免费欧美| 五月开心婷婷网| 99久久99久久久精品蜜桃| 国产有黄有色有爽视频| 下体分泌物呈黄色| 一区二区三区精品91| 蜜桃国产av成人99| 热99re8久久精品国产| 精品人妻1区二区| 久久久久视频综合| 国产精品麻豆人妻色哟哟久久| av又黄又爽大尺度在线免费看| 国产不卡一卡二| 黄色丝袜av网址大全| 一本一本久久a久久精品综合妖精| 高潮久久久久久久久久久不卡| 国产午夜精品久久久久久| 亚洲国产欧美网| 少妇裸体淫交视频免费看高清 | 中文字幕最新亚洲高清| 日本黄色日本黄色录像| 丰满少妇做爰视频| 99国产精品一区二区蜜桃av | 亚洲精品一二三| 色视频在线一区二区三区| 亚洲中文av在线| 丝袜美足系列| 国产免费福利视频在线观看| 国产精品亚洲一级av第二区| 在线观看免费午夜福利视频| 波多野结衣av一区二区av| 精品午夜福利视频在线观看一区 | 精品欧美一区二区三区在线| 亚洲免费av在线视频| 在线观看免费视频日本深夜| 亚洲熟女精品中文字幕| 十八禁高潮呻吟视频| 老司机午夜福利在线观看视频 | 国产精品亚洲av一区麻豆| 一区福利在线观看| 天堂8中文在线网| av有码第一页| 亚洲专区字幕在线| 久久天躁狠狠躁夜夜2o2o| 中文亚洲av片在线观看爽 | 成人精品一区二区免费| 狠狠狠狠99中文字幕| 又紧又爽又黄一区二区| 一区在线观看完整版| 久久人人97超碰香蕉20202| 亚洲成国产人片在线观看| 精品人妻在线不人妻| 国产aⅴ精品一区二区三区波| 亚洲精品美女久久av网站| 亚洲av片天天在线观看| 久久久久久久精品吃奶| 国产精品久久久久久精品古装| 无人区码免费观看不卡 | 9色porny在线观看| 亚洲人成77777在线视频| 五月天丁香电影| 超色免费av| 亚洲专区中文字幕在线| 精品午夜福利视频在线观看一区 | 国产亚洲欧美精品永久| 18禁国产床啪视频网站| 亚洲中文日韩欧美视频| 人成视频在线观看免费观看| 丰满饥渴人妻一区二区三| 日韩有码中文字幕| 国产精品麻豆人妻色哟哟久久| 在线播放国产精品三级| 国产一区二区激情短视频| 欧美人与性动交α欧美软件| 99riav亚洲国产免费| 亚洲 国产 在线| 欧美成人免费av一区二区三区 | 黄色视频,在线免费观看| 曰老女人黄片| 亚洲一卡2卡3卡4卡5卡精品中文| 少妇精品久久久久久久| 久久午夜综合久久蜜桃| 免费高清在线观看日韩| 一级a爱视频在线免费观看| 别揉我奶头~嗯~啊~动态视频| 亚洲美女黄片视频| 91大片在线观看| 人人妻人人澡人人爽人人夜夜| 色老头精品视频在线观看| 欧美亚洲 丝袜 人妻 在线| 韩国精品一区二区三区| 夫妻午夜视频| 亚洲中文av在线| 五月天丁香电影| 成年人黄色毛片网站| 久久精品国产a三级三级三级| 一级片'在线观看视频| 亚洲成av片中文字幕在线观看| 欧美乱码精品一区二区三区| 丝袜人妻中文字幕| 伊人久久大香线蕉亚洲五| 久久久久国产一级毛片高清牌| 欧美黄色片欧美黄色片| 成人永久免费在线观看视频 | 国产在线一区二区三区精| 午夜久久久在线观看| 成年人免费黄色播放视频| 高清欧美精品videossex| 99riav亚洲国产免费| 乱人伦中国视频| 国产精品 欧美亚洲| 大香蕉久久网| 黄色视频在线播放观看不卡| 免费在线观看黄色视频的| 亚洲国产看品久久| 国产av国产精品国产| 在线看a的网站| 国产精品久久久久久精品古装| 首页视频小说图片口味搜索| 亚洲第一青青草原| 搡老熟女国产l中国老女人| 国产黄色免费在线视频| av天堂在线播放| 一级毛片电影观看| 一个人免费在线观看的高清视频| 老司机在亚洲福利影院| 在线观看免费午夜福利视频| 一区福利在线观看| 成人精品一区二区免费| 久久天躁狠狠躁夜夜2o2o| 嫩草影视91久久| 色尼玛亚洲综合影院| 成人亚洲精品一区在线观看| 在线观看66精品国产| 国产麻豆69| 一进一出好大好爽视频| 欧美乱码精品一区二区三区| 一区二区三区精品91| 久久久国产欧美日韩av| 人人澡人人妻人| 性色av乱码一区二区三区2| 国产精品久久久久久精品古装| 日韩中文字幕视频在线看片| 十八禁网站网址无遮挡| 欧美激情久久久久久爽电影 | 精品国产一区二区三区四区第35| 99精品在免费线老司机午夜| cao死你这个sao货| 欧美+亚洲+日韩+国产| 高清在线国产一区| 成在线人永久免费视频| 日本黄色视频三级网站网址 | 在线十欧美十亚洲十日本专区| 日本av免费视频播放| 啦啦啦免费观看视频1| 高潮久久久久久久久久久不卡| 在线看a的网站| 三上悠亚av全集在线观看| 国产精品欧美亚洲77777| 国产成人精品在线电影| 亚洲三区欧美一区| 亚洲第一欧美日韩一区二区三区 | av天堂久久9| 日韩欧美免费精品| 蜜桃国产av成人99| 国产激情久久老熟女| 人人妻人人澡人人爽人人夜夜| 国产精品亚洲一级av第二区| 在线av久久热| 十八禁网站网址无遮挡| 午夜激情av网站| aaaaa片日本免费| 亚洲av美国av| 色老头精品视频在线观看| 人人妻人人澡人人看| 国产一卡二卡三卡精品| 一本久久精品| 麻豆国产av国片精品| 一区二区日韩欧美中文字幕| 在线观看舔阴道视频| 香蕉国产在线看| 久久国产精品男人的天堂亚洲| 黄色毛片三级朝国网站| 18在线观看网站| 搡老岳熟女国产| 真人做人爱边吃奶动态| 汤姆久久久久久久影院中文字幕| 欧美精品高潮呻吟av久久| 一级毛片精品| 最新的欧美精品一区二区| 国产在线观看jvid| 真人做人爱边吃奶动态| 免费人妻精品一区二区三区视频| 91精品国产国语对白视频| 久久天躁狠狠躁夜夜2o2o| 色在线成人网| 一级毛片精品| 高清毛片免费观看视频网站 | 久久久久网色| 亚洲人成伊人成综合网2020| 黄片小视频在线播放| 热99国产精品久久久久久7| 人人妻人人澡人人看| 一区二区日韩欧美中文字幕| av电影中文网址| 欧美日韩福利视频一区二区| 国产不卡av网站在线观看| 高清欧美精品videossex| 99热国产这里只有精品6| 国产不卡av网站在线观看| 欧美精品啪啪一区二区三区| 国产成人av教育| 亚洲男人天堂网一区| 777久久人妻少妇嫩草av网站| 十分钟在线观看高清视频www| 亚洲精品粉嫩美女一区| 欧美成人午夜精品|