• <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INNER -DBSCAN和功率曲線模型的風機異常狀態(tài)檢測

    2017-09-18 00:26:38陳警鈺陳玉航
    電力科學與工程 2017年8期
    關鍵詞:風速風機聚類

    陳警鈺, 陳玉航

    (1. 東北電力大學 電氣工程學院,吉林 吉林 132012;2. 國網山東電力公司 濰坊供電公司, 山東 濰坊 261021)

    基于INNER -DBSCAN和功率曲線模型的風機異常狀態(tài)檢測

    陳警鈺1, 陳玉航2

    (1. 東北電力大學 電氣工程學院,吉林 吉林 132012;2. 國網山東電力公司 濰坊供電公司, 山東 濰坊 261021)

    針對目前風電機組異常運行狀態(tài)無法快速檢測問題,提出一種基于INNER-DBSCAN算法和功率曲線模型的數據驅動實時檢測方法。該方法先利用貝茨理論和RC模型構造一個新的約束來進行數據預處理,剔除機組極端異常運行數據;再基于提出的區(qū)間DBSCAN算法對數據進行聚類,得到正常數據和異常數據;最后利用區(qū)間鄰域最值對正常數據進行邊緣識別,構造風電機組正常運行時的功率曲線模型,并通過模式圖的上下臨界值識別風機異常運行狀態(tài)。利用8臺風電機組SCADA數據進行實驗,結果表明,該方法能有效實時檢測風機異常運行狀態(tài)。

    風電機組; INNER-DBSCAN; 實時檢測; 異常運行; 功率曲線模型

    0 引言

    風電是最有前景的可再生能源之一,截至2014年底,中國的新增裝機達到23 GW,風電機組累計裝機容量已接近114 GW,Global Wind Energy Council(GWEC)對未來5年全球風電發(fā)展預測顯示,未來5年內風電將繼續(xù)保持增長勢頭[1]。然而由于風機運行天氣環(huán)境(如嚴寒、酷暑、沙塵、降雪等)的多變性及嚴酷性,使得風機經常忍受快速變化的負載而產生的高強度機械應力,這導致風機平均壽命3%的時間都處于異常運行狀態(tài)[2]。其運行維護費用能占到風電項目能源成本的10%~20%,在風機服役期的后期能達到35%,這樣的大開銷阻礙了風電更為快速的發(fā)展[3]。風機的異常運行狀態(tài)檢測在基于風機運行狀態(tài)的維護和維修中起到了重要的作用,這比矯正性維護和預防性維護的性價比更高,能夠大大地減少風機的運行維護費用[4]。

    傳統的風機異常狀態(tài)檢測專注于風機昂貴組成部件(如主軸、發(fā)電機、齒輪箱等)的故障識別,2個常用的方法是振動分析和油液檢測,但這2個方法是獨立的系統,需要安裝額外的傳感器和其他硬件設備[5]。而利用基于SCADA系統在風機控制器所采集的數據來提早預警故障和運行問題是性價比很高的方式[6]。

    文獻[7]提出通過風機的功率特性來檢測其整體健康狀態(tài),并通過選擇正常運行風機的數據來構建內部警戒線和外部警戒線,根據內外警戒線閾值去檢測風機異常狀態(tài);文獻[8]提出用制造商提供的功率曲線及經驗值模型剔除異常數據,并分別用線性與非線性方法建立風機功率曲線模型;文獻[9]提出利用基于四分位法和k-means算法的數據剔除模型來識別異常狀態(tài)。然而由于不同風機、不同時間段的實測功率曲線不同,異常運行數據的分布也有所不同,此類方法通用性不高、異常狀態(tài)檢測準確度低。

    文獻[10]提出基于最小二乘法、最大似然估計方法和k-NN算法構建功率曲線模型,然后基于統計值得到功率曲線帶,以此識別異常運行狀態(tài);文獻[11]提出基于模型的風機狀態(tài)檢測,分別用線性、狀態(tài)依賴參數模型(SDPM)、人工神經網絡(ANN)進行建立,根據最優(yōu)輸出和預測值的殘差去識別異常狀態(tài)。上述研究中都有一個缺點是需要大量的訓練過程,計算開銷大,運行效率低下,很難應用在實時檢測中。

    DBSCAN算法是一種基于密度的數據分類方法,執(zhí)行效率較高,可以識別多個簇。本文利用這個算法的思想提出了一個基于INNER-DBSCAN和功率曲線模型的風機異常狀態(tài)檢測方法,并進行了多風電場、多機型的實驗測試。結果表明,該算法能夠有效快速地識別出風機異常運行狀態(tài),可以對風電機組整體運行狀態(tài)進行實時檢測。

    1 異常數據的特征及其對功率曲線的影響

    風電機組功率特性一般用風電機組輸出功率隨風速的變化曲線即功率曲線(P-V)來表示,根據能量守恒定律及貝茨理論,得到風機實際能得到的有功功率,由公式(1)計算[12]:

    P=0.5ρπR2Cpv3

    (1)

    式中:P是風機風輪捕獲的理論功率;ρ為空氣密度;R為用來確定掃略面積的風輪半徑(葉片長度);v為風速;Cp為風能利用系數,它代表了控制系統利用風能的效率。

    異常數據在本質上是機組故障以及機組缺乏維護而導致的停機或低性能運行現象;或者是風機處于正常運行情況下,而電力調度機構要求部分風電場降出力或暫停運行的現象。為了分析風機的功率性能,利用SCADA系統采集的數據進行分析。圖1是某風機在某日4∶48至次日1∶00的風速和功率時序圖,時間間隔為10 min。其切入風速為vi=2.5 m/s,額定風速為vr=11 m/s,vo=20 m/s,額定功率為1 500 kW。圖1中,在4∶48

    圖1 風速和功率的時序圖

    把上述情形的時間軸延長,采集1個月的風機10 min數據,得到數據集U。正常運行數據與異常運行數據、停機數據、隨機誤差數據和系統誤差數據混合在一起,導致無法進行正常的功率曲線建模,如圖2所示。

    圖2 風速與功率關系散點圖

    2 異常數據的識別原理及數學模型

    盡管通過公式(1)得到的風機功率曲線模型是明確的,但是由于機組的內在缺陷使得無法精確預測輸出功率。首先,因為風機在設計時假定空氣密度為常數;其次預測錯誤或設計參數誤差會在v3中放大[13],因此每臺風機正常運行的功率性能也是不盡相同的,所以直接使用風機廠商提供的功率曲線對異常進行狀態(tài)檢測是不合適的。需要基于每臺風機的實際運行數據來進行功率曲線建模,為下一步的機組異常運行狀態(tài)檢測提供基礎。

    2.1數據預處理

    2.1.1 功率最優(yōu)化約束

    風能利用系數由公式(2)進行計算:

    (2)

    式中:S為風輪掃略面積;v為風速;P為風機功率。根據貝茨理論,風能利用系數Cp的極限值為0.593?;谶@個理論,可以確定功率曲線的上限曲線,稱為Betz曲線。

    2.1.2 功率最低約束

    根據R.Chedid提出的功率曲線模型(稱之為RC模型)確定功率最低約束:

    (3)

    P=PW×Aw×effw

    (4)

    式中:Aw為風輪掃略面積;effw為風機對風能的利用效率。令effw取一個較低的利用效率0.05,可得到風機最低功率約束的曲線,這條曲線稱為RC曲線。

    根據Betz曲線和RC曲線對風機原始數據集U進行預處理,剔除掉了機組極端異常運行數據,如圖3所示,得到預處理的正常數據集Upre-normal和異常數據集Upre-abnormal。

    2.2INNER-DBSCAN算法

    2.2.1 算法的提出

    DBSCAN算法是由Martin Ester等人在1996年提出的著名的基于密度的聚類算法,它的優(yōu)點是可以識別任何形狀的簇和孤立點,這符合風機風速-功率散點的分布特點[14]。DBSCAN算法根據給定的密度閾值識別一個簇,密度閾值由Eps和Minpts2個參數決定(其中Eps表示半徑,Minpts表示核心點在Eps半徑范圍內至少應該含有的點的數量)。

    DBSCAN算法的參數Eps用經典的歐氏距離進行計算:

    (5)

    聚類的中心即為各元素的均值由公式(6)進行計算:

    (6)

    式中:m為第j個聚類所包含的數據對象的個數。

    用4個統計學指標[15]來判定聚類結果,如公式(7)~(10)所示:

    (7)

    SDofAE=

    (8)

    (9)

    SDofAPE=

    (10)

    DBSCAN有一個比較明顯的弱點,即當數據分布不均勻時,由于使用統一的全局變量,使得聚類的效果變差。以預處理之后的正常數據集Upre-normal進行聚類,聚類效果如圖4所示(Minpts=5,Eps=0.327 1)。圖4反映出某些風機的實際運行情況,可知當風機的風速-功率數據分布不均時,用統一的Minpts及Eps聚類得到的效果極差。結合DBSCAN算法的優(yōu)點及風速-功率散點的分布特性,下面提出基于區(qū)間法的DBSCAN算法——INNER-DBSCAN算法。

    圖4 DBSCAN聚類結果

    2.2.2 算法具體實現過程

    利用區(qū)間法將風機運行數據的風速屬性進行分區(qū)間,在每個小區(qū)間中利用DBSCAN算法進行聚類。

    (1)將待分類的數據集按照風速0.5 m/s間隔分成若干個小區(qū)間。每個小區(qū)間中心值為0.5 m/s的整數倍,得到每個小區(qū)間數據集Ui為:

    (11)

    式中:Ui為第i個區(qū)間的數據集;(v,p)為落在第i個區(qū)間的二維數據元素。假設Upre-normal最大風速為vmax,則最大風速區(qū)間為n=[vmax/0.5]。

    (2)在每個小區(qū)間內利用DBSCAN算法聚類。DBSCAN算法基于一個事實,一個聚類可以由其中的任何核心對象唯一確定,即任一滿足核心對象條件的數據對象p,數據庫D中所有從p密度可達的數據對象O所組成的集合構成了一個完整的聚類且p屬于C。數據集中沒有包含在任何簇中的數據點就構成噪聲點。

    (3)正常簇判定及二次聚類融合。

    在前面過程中,散點圖的上方極端異常數據已經被剔除,因此最終期望保留的正常數據必然已經聚集在散點圖的最上部分和最左部分,因此應盡可能地保留聚類結果中均值較大的聚類。

    采用二次聚類融合思想:①對于上述風速區(qū)間,聚類結果為{C1,C2,…,Cm}或還有一個噪聲簇N,計算這m個簇的聚類中心{w1,w2,…,wm};②找出{w1,w2,…,wm}中最大的聚類中心wmax,其對應的簇為Cmax初步判定為正常簇Cpre-normal;③計算wmax與{w1,w2,…,wm}中除wmax之外的各個聚類中心的聚類di=wmax-wi;④比較各個di與預設閾值T(如0.2Pr)的大小,如果di

    對預處理后的正常數據Upre-normal按照INNER-DBSCAN算法進行聚類,每個小區(qū)間的聚類效果如圖5所示。

    圖5 INNER-DBSCAN算法區(qū)間內聚類效果

    圖6 INNER-DBSCAN算法聚類效果

    匯集每個小區(qū)間的聚類結果,得到整體的聚類效果如圖6所示。很明顯,INNER-DBSCAN聚類效果比單純的DBSCAN聚類效果好得多,能夠將絕大多數異常狀態(tài)準確識別出來。但同時有部分正常點被誤判為異常點(8.5 m/s左右及13 m/s左右)。下面介紹通過功率曲線模型進一步準確識別異常數據的方法。

    3 功率曲線模型

    3.1邊緣識別

    每個風速區(qū)間中,計算正常數據在風速均值鄰近區(qū)間內的最大值和最小值,作為該區(qū)間內數據上下邊界上的點。

    第i個區(qū)間數據集Ui的風速均值為vmean,給定一個較小的鄰近半徑δ,在[vmean-δ,vmean+δ]內的數據集為Qi,計算出Qi最大功率pi,max和最小功率pi,min,即將點(vmean,pi,max)和點(vmean,pi,min)作為第i區(qū)間上下邊界上的點。這樣,由n個區(qū)間的n對上下邊界點構成雙S曲線的功率曲線模型,如圖7所示。

    3.2異常狀態(tài)識別

    根據功率曲線模型和線性插值算法判斷任意數據點m(vj,pj)是否為異常運行狀態(tài),即判斷vj對應的功率是否在功率曲線模型的上下邊界之間[16]。

    首先,利用公式(12)和公式(13)計算出功率曲線模型上下邊界的每個小區(qū)間的斜率和偏移量:

    (12)

    (13)

    對于任意一組實時數據(vj,pj),如vi<=vj

    (14)

    同理,可以計算出vj對應的功率最小值plowest。如果plowest<=pj<=phighest,則該點為正常運行狀態(tài),否則為異常運行狀態(tài)。根據功率曲線模型對原始數據重新分類,效果如圖8所示。根據聚類得到的正常數據得到機組的功率曲線。

    圖8 基于功率曲線模型的重聚類

    基于實測風速數據和上述功率曲線可以計算出理論功率,由理論功率和實測功率可以計算出功率殘差?;谏鲜鱿嗤瑪祿玫焦β蕷埐畹臅r序圖如圖9所示。

    圖9 功率殘差時序圖

    從圖9可以看出,如果使用傳統方法人為的設定一個功率殘差限值,則會將一部分正常運行狀態(tài)誤認為是異常運行狀態(tài),也會將一部分異常運行狀態(tài)誤認為是正常運行狀態(tài)。本文中提出的功率曲線模型方法能夠根據機組正常運行狀態(tài)自動調整上下限值,實現有效而準確地對異常運行狀態(tài)識別。但是這個方法有時可能會引起過多的警報,解決的辦法是根據需要在邊緣識別步驟中設置上下限系數來擴大功率曲線模型范圍。

    4 工程實例

    為了驗證本算法的有效性,本文采用8個風場的8臺風機的實測風速-功率散點進行聚類結果分析。以其中3臺風機為例,聚類效果圖如圖10所示,數據來源分別為A風場3#機組1月份數據、B風場12#機組5月份數據、C風場16#機組10月份數據。很明顯,該方法能夠準確識別機組異常運行狀態(tài)。

    圖10 基于INNER-DBSCAN的聚類結果

    造成3張圖中異常狀態(tài)的原因可能會有多種,像傳感器故障、槳距角控制故障、不合適的葉片角度設置、葉片損壞、控制程序錯誤、限功率運行、環(huán)境條件問題(昆蟲附著、臟物附著、葉片結冰)等。

    3臺風機的數據聚類統計指標表示的數據離散程度結果如表1所示。Raw指的是基于原始數據的分析結果,Betz&RC指的是經過Betz和RC曲線剔除極端異常數據后的數據集Upre-normal的分析結果,DBSCAN指的是在數據集Upre-normal基礎上經過經典的DBSCAN算法得到的分析結果,INNER-DBSCAN指的是在數據集Upre-normal基礎上經過本文提出的INNER-DBSCAN算法得到的分析結果。

    表1 4個統計指標情形

    很明顯,從4種統計分析指標整體上來看,Raw的4項指標均為最大,表示數據離散度最大(即聚合度小);經過Betz & RC過程后數據聚合度變大;傳統的DBSCAN不能明顯地增加聚合度;而INNER-DBSCAN能夠有效地增加數據聚合度。

    以Betz & RC為基礎,DBSCAN對3臺風機的MAE指標平均降低了11%,而INNER-DBSCAN對MAE指標的平均降低指標為60%;DBSCAN對3臺風機的MAPE指標平均降低了2%,而INNER-DBSCAN對MAPE指標的平均降低指標為62%。也就是經過INNER-DBSCAN算法后數據聚合度明顯增大,結合圖10來看,該方法對機組異常運行狀態(tài)進行了有效的識別。

    對本文提出的算法編寫MATLAB程序,并在普通PC上運行。以8臺機組單月數據為單位進行處理(經大量實驗表明,以單月數據進行處理時聚類效果最好,數據量過多會造成聚類邊界模糊,數據量過少會造成大量數據被誤認為是噪聲簇),聚類執(zhí)行時間如表2所示,平均處理時間1.08 s,在處理速度快的服務器上運行,會進一步減少執(zhí)行時間,實時應用性較高。

    表2 INNER-DBSCAN 算法的執(zhí)行時間

    5 結論

    本文提出了基于INNER-DBSCAN算法和功率曲線模型的異常運行狀態(tài)檢測方法?;贐etz理論和RC曲線對數據進行預處理,大大地提高了數據聚類效果,對構建正確的功率曲線模型起到了很好的監(jiān)督作用;利用DBSCAN算法基于密度聚類的優(yōu)勢,結合風機功率曲線散點的分布特點,提出在0.5 m/s小區(qū)間內應用的DBSCAN算法即INNER-DBSCAN算法,得到很好的聚類結果;基于區(qū)間平均風速鄰域最值的方法能夠有效識別機組正常運行數據的邊緣,從而構造出功率曲線模型,利用功率曲線模型對原始數據進行重聚類,并采用4種數據聚類統計指標進行了分析,相對于數據預處理之后的數據聚合度提高了高達62%;該算法在普通PC上學習得到最終的功率曲線模型的執(zhí)行速度較快,時間約為1.08 s,可以對功率曲線模型短時段更新,以對機組異常運行狀態(tài)進行有效檢測。該算法通用性高、計算開銷小,風電機組功率狀態(tài)檢測具有理論研究和工程應用的價值。

    [1] TCHAKOUA P, WAMKEUE R, OUHROUCHE M, et al. Wind turbine condition monitoring: State-of-the-art review, new trends, and future challenges [J]. Energies, 2014, 7(4): 2595-2630.

    [2] WALFORD C A. Wind turbine reliability: understanding and minimizing wind turbine operation and maintenance costs [J]. Journal of New Energy, 2016, 12(5):1129-1136.

    [3] CRABTREE C J, ZAPPALD, TAVNER P J. Survey of commercially available condition monitoring systems for wind turbines [J]. Supergen Wind, 2014, 40(5):90-98.

    [4] 馬義松,武志剛. 基于Neo4j的電力大數據建模及分析[J]. 電工電能新技術, 2016, 35(2):24-30.

    [5] 肖峰,陳國初. 基于功率預測的含風電場電力系統經濟優(yōu)化調度研究[J]. 電力科學與工程, 2016, 16(10):9-14, 27.

    [6] SHOKRZADEH S, JOZANI M J, BIBEAU E. Wind turbine power curve modeling using advanced parametric and nonparametric methods [J]. IEEE Transactions on Sustainable Energy, 2014, 5(4): 1262-1269.

    [7] 趙永寧,葉林,朱倩雯. 風電場棄風異常數據簇的特征及處理方法[J]. 電力系統自動化, 2014, 21(1):39-46.

    [8] LONG H, WANG L, ZHANG Z, et al. Data-driven wind turbine power generation performance monitoring [J]. IEEE Transactions on Industrial Electronics,2015, 30(4): 356-364.

    [9] 李國棟,龐文杰,葛磊蛟,等. 基于改進雷達圖法的光伏并網發(fā)電系統穩(wěn)態(tài)電能質量綜合評估[J]. 電工電能新技術,2016,35(5):8-12,35

    [10] ZHANG Z, ZHOU Q, KUSIAK A. Optimization of wind power and its variability with a computational intelligence approach[J]. IEEE Transactions on Sustainable Energy, 2014, 5(1): 228-236.

    [11] 黃南天,袁翀,王新庫,等. 基于互信息屬性分析與極端學習機的超短期風速預測[J]. 電工電能新技術,2016,35(10):29-34.

    [12] 田增山,王向勇,周牧,等. 基于DBSCAN子空間匹配的蜂窩網室內指紋定位算法[J]. 電子與信息學報, 2017, 31(7): 1228-1237.

    [13] NAGARAJU S,KASHYAP M,MAHUA B. An effective density based approach to detect complex data clusters using notion of neighborhood difference[J]. International Journal of Automation and Computing, 2017,20(1):57-67.

    [14] 姜建華,楊玉免,邊海燕,等. 改進DBSCAN聚類算法在電子商務網站評價中的應用[J]. 吉林大學學報(理學版),2016,15(2):329-336.

    [15] 邱強杰,陳眾,俞曉鵬,等. 基于事件驅動控制理論的風力發(fā)電系統建模[J]. 電力科學與工程,2016,16(8):37-42.

    [16] 丁國輝,許瑩南,郭軍宏. 基于DBSCAN聚類算法的多模式匹配[J]. 計算機應用與軟件,2016,56(2):25-29.

    Condition Monitoring for Wind Turbines Based on INNER-DBSCAN and Power Curve Pattern

    CHEN Jingyu1, CHEN Yuhang2

    (1.School of Electrical Engineering, Northeast Dianli University, Jilin 132012, China;2. State Grid Weifang Power Supply Company, Weifang 261021, China)

    In the light of the problem of rarely an easy and effective way to monitor the abnormal operation status of wind turbine, a data driven abnormal real-time monitoring method for operation status based on INNER-DBSCAN algorithm and power curve pattern is put forward in this paper. A new constraint is developed by Betz’ theory and RC model to conduct data preprocessing so that the extremely abnormal operation data can be ruled out. Then interval DBSCAN algorithm is proposed for data clustering and hence both normal data and abnormal data could be obtained. Also, the maximum value of the interval neighborhood is utilized to recognize the edge normal operation data of wind turbine, and the power curve pattern is built based on it. Finally, the abnormal operation status is monitored by the upper and lower limit value of the pattern. The performance of the presented method is evaluated using SCADA data sets of eight wind turbines, and the results show this method could effectively monitor the abnormal operation status in real time.

    wind turbine; INNER-DBSCAN; real-time monitoring; abnormal operation; power curve pattern

    2017-01-03。

    10.3969/j.ISSN.1672-0792.2017.08.005

    TM614

    :A

    :1672-0792(2017)08-0027-08

    陳警鈺(1996-),女,碩士研究生,主要研究方向為電力系統安全性分析與控制。

    猜你喜歡
    風速風機聚類
    基于Kmeans-VMD-LSTM的短期風速預測
    基于最優(yōu)TS評分和頻率匹配的江蘇近海風速訂正
    海洋通報(2020年5期)2021-01-14 09:26:54
    風機折翼“倒春寒”
    能源(2018年5期)2018-06-15 08:56:02
    基于DBSACN聚類算法的XML文檔聚類
    電子測試(2017年15期)2017-12-18 07:19:27
    風機倒塔事故為何頻發(fā)?
    能源(2017年9期)2017-10-18 00:48:27
    基于GARCH的短時風速預測方法
    節(jié)能技術EPU在AV71風機上的應用
    基于改進的遺傳算法的模糊聚類算法
    TS3000系統防喘振控制在 AV80-14風機中的應用
    考慮風速分布與日非平穩(wěn)性的風速數據預處理方法研究
    淫妇啪啪啪对白视频 | 岛国毛片在线播放| 十八禁高潮呻吟视频| 精品少妇内射三级| 久久久精品94久久精品| 亚洲欧美成人综合另类久久久| 国产亚洲精品久久久久5区| 欧美日本中文国产一区发布| 久久毛片免费看一区二区三区| tube8黄色片| 欧美日韩亚洲高清精品| 免费日韩欧美在线观看| 国精品久久久久久国模美| 欧美另类亚洲清纯唯美| 老司机午夜十八禁免费视频| 电影成人av| 老汉色av国产亚洲站长工具| 日韩电影二区| 国产精品影院久久| 国产欧美日韩一区二区三区在线| 欧美日韩精品网址| 午夜91福利影院| 国产日韩一区二区三区精品不卡| 可以免费在线观看a视频的电影网站| av福利片在线| 51午夜福利影视在线观看| 免费高清在线观看日韩| 国产精品九九99| 精品人妻熟女毛片av久久网站| 国产欧美日韩一区二区三 | 国产精品久久久人人做人人爽| 国产淫语在线视频| 日本五十路高清| av线在线观看网站| 国产成人欧美| 一二三四在线观看免费中文在| 午夜福利影视在线免费观看| 人妻人人澡人人爽人人| 色播在线永久视频| 黑人操中国人逼视频| 亚洲中文日韩欧美视频| 久久青草综合色| 天堂8中文在线网| 50天的宝宝边吃奶边哭怎么回事| 亚洲国产中文字幕在线视频| 婷婷丁香在线五月| 日韩制服骚丝袜av| 欧美成狂野欧美在线观看| 美女大奶头黄色视频| 亚洲av日韩在线播放| 精品久久久久久久毛片微露脸 | 免费高清在线观看视频在线观看| 一级,二级,三级黄色视频| 伊人亚洲综合成人网| 国产福利在线免费观看视频| 亚洲七黄色美女视频| 欧美日韩亚洲综合一区二区三区_| 国产亚洲欧美在线一区二区| 在线精品无人区一区二区三| 国产欧美日韩精品亚洲av| 一本一本久久a久久精品综合妖精| 国产精品二区激情视频| 久久av网站| 久久亚洲国产成人精品v| 国产不卡av网站在线观看| 亚洲视频免费观看视频| 亚洲男人天堂网一区| 亚洲久久久国产精品| 国产精品九九99| 久久久国产精品麻豆| 亚洲精品美女久久久久99蜜臀| 亚洲男人天堂网一区| 国产欧美亚洲国产| 捣出白浆h1v1| 亚洲精品美女久久av网站| 在线天堂中文资源库| 视频区欧美日本亚洲| 国产有黄有色有爽视频| 美女脱内裤让男人舔精品视频| 肉色欧美久久久久久久蜜桃| 91av网站免费观看| 国产伦人伦偷精品视频| 欧美精品一区二区大全| 亚洲国产精品一区二区三区在线| 狠狠狠狠99中文字幕| 永久免费av网站大全| av网站免费在线观看视频| 成年美女黄网站色视频大全免费| 午夜福利在线免费观看网站| 精品国产一区二区三区久久久樱花| 亚洲精品久久成人aⅴ小说| 搡老岳熟女国产| 蜜桃在线观看..| 午夜福利,免费看| 午夜福利,免费看| 国产一区二区三区在线臀色熟女 | 欧美在线黄色| 日韩视频在线欧美| 妹子高潮喷水视频| 日韩中文字幕欧美一区二区| 亚洲专区中文字幕在线| av天堂在线播放| 久热这里只有精品99| 亚洲成人国产一区在线观看| 日本精品一区二区三区蜜桃| 捣出白浆h1v1| 国产精品av久久久久免费| 欧美xxⅹ黑人| 91国产中文字幕| 精品久久久久久电影网| 国产成人欧美在线观看 | 黄片小视频在线播放| 欧美激情 高清一区二区三区| 国内毛片毛片毛片毛片毛片| 亚洲黑人精品在线| 嫁个100分男人电影在线观看| 99香蕉大伊视频| 久久久久久亚洲精品国产蜜桃av| 男女高潮啪啪啪动态图| 啦啦啦中文免费视频观看日本| 在线观看舔阴道视频| 在线十欧美十亚洲十日本专区| av不卡在线播放| 精品福利观看| 韩国精品一区二区三区| 亚洲精品一二三| 国产成人免费无遮挡视频| 国产亚洲精品一区二区www | 亚洲精品一二三| 一级片免费观看大全| 日本撒尿小便嘘嘘汇集6| 男女高潮啪啪啪动态图| 久久人人爽av亚洲精品天堂| 青春草视频在线免费观看| 亚洲精品美女久久av网站| 一级片免费观看大全| 久久精品成人免费网站| 中文字幕人妻熟女乱码| 亚洲国产欧美在线一区| 国产成人av激情在线播放| 精品高清国产在线一区| 老司机深夜福利视频在线观看 | xxxhd国产人妻xxx| 99久久综合免费| 超碰成人久久| 国产精品一区二区精品视频观看| 啦啦啦啦在线视频资源| 亚洲 国产 在线| 精品一品国产午夜福利视频| 亚洲成av片中文字幕在线观看| 久久精品人人爽人人爽视色| 国产男女超爽视频在线观看| 满18在线观看网站| 丝袜人妻中文字幕| 精品熟女少妇八av免费久了| 18禁裸乳无遮挡动漫免费视频| 久久久精品94久久精品| 看免费av毛片| 777久久人妻少妇嫩草av网站| 欧美精品亚洲一区二区| 男人操女人黄网站| 欧美在线一区亚洲| 久久精品久久久久久噜噜老黄| av片东京热男人的天堂| 首页视频小说图片口味搜索| 亚洲国产精品一区三区| av天堂久久9| 免费女性裸体啪啪无遮挡网站| 美女大奶头黄色视频| 中文字幕人妻熟女乱码| 狂野欧美激情性xxxx| 国产免费视频播放在线视频| 久热爱精品视频在线9| 亚洲全国av大片| 国产日韩欧美在线精品| 99re6热这里在线精品视频| 午夜福利在线免费观看网站| 国产色视频综合| 大片电影免费在线观看免费| 免费不卡黄色视频| 青春草亚洲视频在线观看| 午夜日韩欧美国产| 国产日韩欧美视频二区| 亚洲国产欧美日韩在线播放| 精品一区二区三卡| 久久久久精品人妻al黑| 国产成人精品无人区| 国产熟女午夜一区二区三区| 美女高潮到喷水免费观看| 久久人妻熟女aⅴ| 国产区一区二久久| 欧美国产精品一级二级三级| 少妇猛男粗大的猛烈进出视频| 狂野欧美激情性bbbbbb| 国产亚洲午夜精品一区二区久久| 国产精品一区二区免费欧美 | 一边摸一边抽搐一进一出视频| 国产亚洲一区二区精品| 日韩精品免费视频一区二区三区| 纵有疾风起免费观看全集完整版| 亚洲国产av影院在线观看| 日日夜夜操网爽| 婷婷成人精品国产| 国产91精品成人一区二区三区 | 天堂中文最新版在线下载| 制服诱惑二区| 一本—道久久a久久精品蜜桃钙片| 久久午夜综合久久蜜桃| 午夜91福利影院| 狠狠精品人妻久久久久久综合| 久久久欧美国产精品| cao死你这个sao货| 国产欧美日韩综合在线一区二区| 国产男女内射视频| 夜夜骑夜夜射夜夜干| 十八禁高潮呻吟视频| 国产欧美亚洲国产| 嫁个100分男人电影在线观看| 中文精品一卡2卡3卡4更新| 男男h啪啪无遮挡| 999精品在线视频| 免费在线观看完整版高清| 亚洲欧美一区二区三区黑人| 操出白浆在线播放| 国产成人av激情在线播放| 下体分泌物呈黄色| 天天躁狠狠躁夜夜躁狠狠躁| 国产欧美亚洲国产| 欧美亚洲 丝袜 人妻 在线| √禁漫天堂资源中文www| 色老头精品视频在线观看| 啦啦啦免费观看视频1| av有码第一页| 亚洲av国产av综合av卡| 亚洲第一欧美日韩一区二区三区 | 免费观看a级毛片全部| 精品第一国产精品| 国产精品熟女久久久久浪| 老熟妇仑乱视频hdxx| 国产一卡二卡三卡精品| 国产成人精品久久二区二区91| 精品久久久久久电影网| 亚洲精品久久午夜乱码| 黄色视频在线播放观看不卡| 国产在线观看jvid| 成人亚洲精品一区在线观看| 亚洲美女黄色视频免费看| 日韩中文字幕视频在线看片| 亚洲国产欧美网| 999久久久精品免费观看国产| 精品人妻在线不人妻| 黑丝袜美女国产一区| 一区二区av电影网| 一级毛片女人18水好多| 国产精品国产三级国产专区5o| 午夜免费观看性视频| 欧美日韩亚洲综合一区二区三区_| 黄色片一级片一级黄色片| 亚洲色图综合在线观看| 热re99久久精品国产66热6| 热99久久久久精品小说推荐| 亚洲欧美一区二区三区黑人| 高清黄色对白视频在线免费看| av福利片在线| 搡老乐熟女国产| 777久久人妻少妇嫩草av网站| 97人妻天天添夜夜摸| avwww免费| 日本黄色日本黄色录像| 久久人妻福利社区极品人妻图片| 亚洲欧美成人综合另类久久久| 多毛熟女@视频| 日韩免费高清中文字幕av| 亚洲精品一区蜜桃| 性高湖久久久久久久久免费观看| 国产精品偷伦视频观看了| 国产精品免费大片| 天天躁日日躁夜夜躁夜夜| 亚洲 国产 在线| 大香蕉久久网| 国产熟女午夜一区二区三区| www.熟女人妻精品国产| 五月天丁香电影| 国产又爽黄色视频| 老司机影院毛片| 少妇人妻久久综合中文| 50天的宝宝边吃奶边哭怎么回事| 国产精品1区2区在线观看. | 国产有黄有色有爽视频| 国产精品秋霞免费鲁丝片| 99国产精品99久久久久| 18禁观看日本| www.av在线官网国产| 99香蕉大伊视频| av国产精品久久久久影院| 成人av一区二区三区在线看 | 久久久精品94久久精品| 丝袜脚勾引网站| 日韩 欧美 亚洲 中文字幕| 国产亚洲精品久久久久5区| 一进一出抽搐动态| 亚洲精品国产一区二区精华液| 啦啦啦在线免费观看视频4| 999精品在线视频| 亚洲av美国av| 欧美人与性动交α欧美精品济南到| 中文字幕高清在线视频| 一区二区三区激情视频| 日韩熟女老妇一区二区性免费视频| 亚洲国产av影院在线观看| 一本久久精品| 久久久精品免费免费高清| 男女下面插进去视频免费观看| 三级毛片av免费| 国产成人a∨麻豆精品| 久久久久久久国产电影| av有码第一页| 老司机午夜十八禁免费视频| 免费在线观看日本一区| 黑人巨大精品欧美一区二区mp4| 久久天堂一区二区三区四区| 青草久久国产| 精品国内亚洲2022精品成人 | 国产伦理片在线播放av一区| 如日韩欧美国产精品一区二区三区| 免费在线观看日本一区| 91字幕亚洲| 日韩视频一区二区在线观看| 桃花免费在线播放| 男人爽女人下面视频在线观看| 日本91视频免费播放| 国产精品自产拍在线观看55亚洲 | 日韩视频在线欧美| 1024视频免费在线观看| 黄片播放在线免费| 好男人电影高清在线观看| 久久女婷五月综合色啪小说| 国产成人欧美在线观看 | 亚洲天堂av无毛| 蜜桃在线观看..| 99精品久久久久人妻精品| 免费人妻精品一区二区三区视频| 操美女的视频在线观看| 亚洲国产精品一区三区| 午夜激情av网站| av在线app专区| 天天操日日干夜夜撸| 性少妇av在线| 久久 成人 亚洲| 性色av一级| 精品视频人人做人人爽| 亚洲精品成人av观看孕妇| 他把我摸到了高潮在线观看 | 欧美日韩成人在线一区二区| 欧美日韩亚洲国产一区二区在线观看 | 美女高潮喷水抽搐中文字幕| 亚洲国产精品一区二区三区在线| 国产97色在线日韩免费| 高清欧美精品videossex| 人妻 亚洲 视频| 亚洲国产欧美一区二区综合| 大片电影免费在线观看免费| 亚洲五月色婷婷综合| 男人添女人高潮全过程视频| 亚洲av欧美aⅴ国产| 淫妇啪啪啪对白视频 | 在线十欧美十亚洲十日本专区| 欧美 日韩 精品 国产| 男女之事视频高清在线观看| 成人18禁高潮啪啪吃奶动态图| 自线自在国产av| 男女下面插进去视频免费观看| 亚洲欧美日韩高清在线视频 | 欧美国产精品va在线观看不卡| 国产不卡av网站在线观看| 久久久久久久久久久久大奶| 老司机午夜十八禁免费视频| 91精品伊人久久大香线蕉| 在线亚洲精品国产二区图片欧美| 国产免费现黄频在线看| 久久这里只有精品19| 少妇猛男粗大的猛烈进出视频| 精品人妻一区二区三区麻豆| 女人久久www免费人成看片| 性高湖久久久久久久久免费观看| 亚洲欧美成人综合另类久久久| 美女福利国产在线| 久久久久久免费高清国产稀缺| 国产精品九九99| 午夜老司机福利片| 99久久99久久久精品蜜桃| 国产xxxxx性猛交| 亚洲国产精品一区二区三区在线| 成人国语在线视频| 99九九在线精品视频| 80岁老熟妇乱子伦牲交| 丝袜人妻中文字幕| 搡老乐熟女国产| 成人国产一区最新在线观看| 国产男女超爽视频在线观看| 成人国语在线视频| 亚洲欧美激情在线| 另类亚洲欧美激情| 免费看十八禁软件| 青春草亚洲视频在线观看| av天堂在线播放| 如日韩欧美国产精品一区二区三区| 91老司机精品| 麻豆乱淫一区二区| 欧美成人午夜精品| 80岁老熟妇乱子伦牲交| 一区二区av电影网| 亚洲专区字幕在线| 两个人免费观看高清视频| 亚洲激情五月婷婷啪啪| 黄色a级毛片大全视频| 亚洲国产毛片av蜜桃av| 日本a在线网址| 男女高潮啪啪啪动态图| 国产亚洲av高清不卡| 日韩三级视频一区二区三区| 岛国在线观看网站| av天堂在线播放| av视频免费观看在线观看| 亚洲国产精品999| 99热国产这里只有精品6| 自拍欧美九色日韩亚洲蝌蚪91| 狂野欧美激情性xxxx| 午夜久久久在线观看| 黄色视频在线播放观看不卡| 91精品伊人久久大香线蕉| 男女高潮啪啪啪动态图| 五月天丁香电影| 国产一卡二卡三卡精品| 国产成人欧美在线观看 | 欧美97在线视频| 国产日韩欧美在线精品| 国产亚洲精品一区二区www | 91字幕亚洲| 亚洲欧美一区二区三区久久| 天天躁狠狠躁夜夜躁狠狠躁| 欧美精品一区二区大全| 黄色a级毛片大全视频| 亚洲伊人色综图| av超薄肉色丝袜交足视频| 91大片在线观看| 丁香六月天网| 亚洲av日韩在线播放| 欧美精品av麻豆av| 天天躁夜夜躁狠狠躁躁| 老司机午夜十八禁免费视频| 一级毛片女人18水好多| 国产精品免费视频内射| 国产精品久久久人人做人人爽| 欧美人与性动交α欧美精品济南到| 成人18禁高潮啪啪吃奶动态图| 老熟妇仑乱视频hdxx| 国产免费现黄频在线看| 中文字幕色久视频| 曰老女人黄片| 亚洲av日韩精品久久久久久密| 亚洲国产av影院在线观看| 欧美 亚洲 国产 日韩一| 中文字幕人妻丝袜一区二区| 最黄视频免费看| 久久 成人 亚洲| 久久久国产欧美日韩av| av福利片在线| 在线观看舔阴道视频| 国产精品麻豆人妻色哟哟久久| 91国产中文字幕| 中文字幕av电影在线播放| 悠悠久久av| 午夜福利一区二区在线看| 电影成人av| 色播在线永久视频| 女人高潮潮喷娇喘18禁视频| 亚洲激情五月婷婷啪啪| 热re99久久国产66热| 日韩 欧美 亚洲 中文字幕| 1024视频免费在线观看| 色播在线永久视频| 精品视频人人做人人爽| 国产熟女午夜一区二区三区| 一区二区三区四区激情视频| 新久久久久国产一级毛片| 天天操日日干夜夜撸| 王馨瑶露胸无遮挡在线观看| 国产一区有黄有色的免费视频| 久久99一区二区三区| 精品一区在线观看国产| 欧美av亚洲av综合av国产av| 中亚洲国语对白在线视频| netflix在线观看网站| av欧美777| 成人黄色视频免费在线看| 一二三四在线观看免费中文在| 国产av精品麻豆| 成年女人毛片免费观看观看9 | 亚洲第一欧美日韩一区二区三区 | 黄片小视频在线播放| 老司机福利观看| 无遮挡黄片免费观看| 最黄视频免费看| 99热全是精品| 亚洲av日韩在线播放| 99九九在线精品视频| 午夜福利一区二区在线看| 91麻豆av在线| 亚洲专区国产一区二区| 国产又爽黄色视频| 在线观看免费日韩欧美大片| 国精品久久久久久国模美| 久久av网站| 亚洲精品国产一区二区精华液| 久久人人97超碰香蕉20202| 久久性视频一级片| 91九色精品人成在线观看| www.av在线官网国产| 爱豆传媒免费全集在线观看| 国产精品久久久久久精品电影小说| 亚洲,欧美精品.| 桃花免费在线播放| 中文字幕制服av| av网站免费在线观看视频| 我要看黄色一级片免费的| 国产精品久久久人人做人人爽| 18禁裸乳无遮挡动漫免费视频| 亚洲专区国产一区二区| 国产三级黄色录像| 男女高潮啪啪啪动态图| 99国产极品粉嫩在线观看| 黄色片一级片一级黄色片| netflix在线观看网站| 久久久久久久国产电影| 中文字幕人妻丝袜制服| 国产免费一区二区三区四区乱码| 国产真人三级小视频在线观看| 中国美女看黄片| 水蜜桃什么品种好| 性高湖久久久久久久久免费观看| 亚洲第一欧美日韩一区二区三区 | 国产精品偷伦视频观看了| 亚洲精品一卡2卡三卡4卡5卡 | 亚洲国产看品久久| 叶爱在线成人免费视频播放| 午夜成年电影在线免费观看| 一区福利在线观看| 性少妇av在线| 十八禁高潮呻吟视频| 日韩大码丰满熟妇| 黑人操中国人逼视频| 亚洲精品粉嫩美女一区| 伦理电影免费视频| 日韩欧美一区二区三区在线观看 | 亚洲精品乱久久久久久| 国产精品99久久99久久久不卡| 亚洲av日韩在线播放| 看免费av毛片| 91麻豆精品激情在线观看国产 | 亚洲国产看品久久| 视频区图区小说| 黑人巨大精品欧美一区二区mp4| 91成年电影在线观看| 欧美乱码精品一区二区三区| 亚洲精品粉嫩美女一区| 男男h啪啪无遮挡| 精品人妻熟女毛片av久久网站| 精品国内亚洲2022精品成人 | 涩涩av久久男人的天堂| 午夜福利在线观看吧| 91精品国产国语对白视频| 他把我摸到了高潮在线观看 | 另类亚洲欧美激情| 成人黄色视频免费在线看| 欧美亚洲日本最大视频资源| 啪啪无遮挡十八禁网站| 丝袜脚勾引网站| 叶爱在线成人免费视频播放| 久久九九热精品免费| 国产精品熟女久久久久浪| 人人妻人人添人人爽欧美一区卜| 欧美日韩视频精品一区| 久久国产亚洲av麻豆专区| 日本五十路高清| 宅男免费午夜| 十八禁人妻一区二区| 亚洲欧洲日产国产| 精品国内亚洲2022精品成人 | 亚洲精品美女久久av网站| 这个男人来自地球电影免费观看| 日韩制服骚丝袜av| 777久久人妻少妇嫩草av网站| 巨乳人妻的诱惑在线观看| 午夜精品久久久久久毛片777| 亚洲自偷自拍图片 自拍| 国产又爽黄色视频| 最近最新免费中文字幕在线| 青春草视频在线免费观看| 男女边摸边吃奶| 亚洲av电影在线观看一区二区三区| 久久久国产欧美日韩av| a级毛片在线看网站| 手机成人av网站| av有码第一页| 日本猛色少妇xxxxx猛交久久| 在线观看人妻少妇| 这个男人来自地球电影免费观看| 精品高清国产在线一区| 国产亚洲欧美在线一区二区| 国产精品 欧美亚洲| www.自偷自拍.com| 亚洲国产av新网站| 一边摸一边抽搐一进一出视频| 国产欧美日韩精品亚洲av|