• <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 ?

    一種基于Pearson相關(guān)系數(shù)的電力用戶負荷曲線聚類算法

    2017-11-16 01:21:28王星華許炫壕周亞武
    黑龍江電力 2017年5期
    關(guān)鍵詞:降維數(shù)據(jù)源聚類

    王星華,許炫壕,周亞武

    (廣東工業(yè)大學 自動化學院,廣州 510006)

    一種基于Pearson相關(guān)系數(shù)的電力用戶負荷曲線聚類算法

    王星華,許炫壕,周亞武

    (廣東工業(yè)大學 自動化學院,廣州 510006)

    提出一種基于Pearson相關(guān)系數(shù)作為聚類判據(jù)的負荷曲線聚類算法——Pearson相關(guān)聚類(Pearson Correlation Clustering, PCC)。首先對負荷數(shù)據(jù)進行數(shù)據(jù)清理以及去噪處理,再選擇合適的降維算法以降低數(shù)據(jù)處理的復(fù)雜性。提出利用Pearson相關(guān)系數(shù)閾值作為聚類中心選擇依據(jù)的方法解決初始聚類中心選擇的隨機性;利用電力負荷曲線數(shù)據(jù)與聚類中心之間的Pearson相關(guān)系數(shù)進行聚類,以DBI指標作為聚類效果的評價標準,分析了不同系數(shù)對聚類效果的影響。算例結(jié)果表明,該算法相比傳統(tǒng)算法運行時間短,魯棒性強,聚類效果更好。

    Pearson相關(guān)系數(shù);負荷曲線分類;降維;中值濾波;聚類有效性

    隨著智能電網(wǎng)的普及,電網(wǎng)運行、維護以及管理過程產(chǎn)生了大量電力數(shù)據(jù)。大數(shù)據(jù)產(chǎn)生于智能電網(wǎng)系統(tǒng)的各個環(huán)節(jié)中,其中用戶側(cè)大數(shù)據(jù)占了很大比重,因此有必要對用戶側(cè)大數(shù)據(jù)進行研究,為智能電網(wǎng)規(guī)劃和運行提供有益參考[1]。用戶側(cè)大數(shù)據(jù)中,包含了大量電力用戶的日/月負荷曲線,通過對這些電力消費信息進行專門的分析研究并獲取相應(yīng)的負荷模式,可以為電網(wǎng)公司的決策提供依據(jù)[2]。

    當前國內(nèi)對電力負荷聚類分析研究已經(jīng)起步,作為輔助電力負荷聚類分析的工具,各種聚類算法及其改進算法不斷地被提出并應(yīng)用于具體工程。文獻[3]以函數(shù)型數(shù)據(jù)分析和k-means 算法結(jié)合對電力負荷進行分類分析。文獻[4]將余弦相似度和歐氏距離結(jié)合組成雙層聚類算法應(yīng)用于負荷形態(tài)組合識別。文獻[5]針對FCM聚類算法易受初始聚類中心選擇影響及極易陷入局部最小值的缺陷,提出了對初始聚類中心進行改進的FCM聚類算法。

    以上研究均以歐氏距離作為聚類的相似性判據(jù)。但以歐式距離作為相似性判據(jù)易受噪聲和尖峰值影響,且歐式距離反映的是曲線間距離,而負荷曲線聚類更側(cè)重于曲線輪廓的聚類。因此,為了更加充分反映曲線相似性,綜合考慮以上文獻中聚類算法的優(yōu)缺點,本文提出一種基于Pearson相關(guān)系數(shù)的負荷曲線聚類算法——Pearson相關(guān)聚類(Pearson Correlation Clustering, PCC)。聚類過程中,首先對負荷數(shù)據(jù)進行數(shù)據(jù)清理以及去噪處理,選擇合適的降維算法進行降維,再利用Pearson相關(guān)系數(shù)作為相似性判據(jù)選取初始聚類中心,并對負荷曲線進行聚類分析。與傳統(tǒng)聚類算法進行對比的結(jié)果表明,該算法運行效率高、魯棒性強,能夠得到較好的聚類結(jié)果。

    1 數(shù)據(jù)預(yù)處理

    1.1 數(shù)據(jù)來源

    本文研究算例數(shù)據(jù)采用兩個數(shù)據(jù)集:一是來源于某市5類用戶類別的2 340個電力客戶同一日期的24點日負荷曲線;二是某市4類用戶類別的1 023個電力客戶某年的12點月負荷曲線。兩數(shù)據(jù)源的用戶數(shù)分別如表1、2所示。

    表1 數(shù)據(jù)1用戶類別

    表2 數(shù)據(jù)2用戶類別

    1.2 數(shù)據(jù)清理及去噪

    為了避免數(shù)據(jù)采集過程中出現(xiàn)的偏差對聚類結(jié)果的影響,采用以下措施進行數(shù)據(jù)清理及去噪:

    1) 錯誤數(shù)據(jù)清理。采集設(shè)備停止工作或者傳輸過程中斷,導致部分電力用戶缺失數(shù)據(jù)甚至無數(shù)據(jù),因此當某一負荷曲線數(shù)據(jù)全為0時,則剔除該數(shù)據(jù)。

    2) 異常數(shù)據(jù)修復(fù)??紤]到負荷功率的暴增或者驟降情況,當負荷曲線功率相鄰點的差值相差較大時,利用文獻[6]中基于Lagrange插值的Neville算法對曲線X={x1,x2,…,xn}進行插值修復(fù)。

    3) 數(shù)據(jù)去噪。針對數(shù)據(jù)中“噪聲”所導致的曲線毛刺問題,采取中值濾波方法對數(shù)據(jù)源負荷曲線進行去噪處理。中值濾波的原理為:給定一個輸入數(shù)據(jù),重新計算每一個x的輸出值y,得到新的輸出值,相當于y= new(x)。其中,new函數(shù)的操作是,從在以x為中心,長度為2l的原信號中(區(qū)間為[x-l+1,x+l]),提取出這段區(qū)間內(nèi)中間的那個值,作為y=new(x)的結(jié)果。經(jīng)實驗結(jié)果表明,l取2時效果最佳。

    1.3 降維算法

    隨著智能電網(wǎng)時代的到來,電力數(shù)據(jù)的數(shù)量呈海量增長,采集設(shè)備的精度提高使數(shù)據(jù)維數(shù)也越來越高。為了提高算法的效率和可行性,有必要對數(shù)據(jù)進行降維操作。假設(shè)每條負荷曲線的維數(shù)為W,經(jīng)降維后將適當縮小維數(shù)為W1,即降維的目的是用盡可能低維數(shù)的負荷曲線代替原來的負荷曲線,并保證原負荷曲線不會因降維而失真過多。

    文獻[7]對Sammon映射、SOM映射、PCA以及FE降維算法進行對比分析,分析得出PCA降維算法所需時間最短,且可以最大程度地保護數(shù)據(jù)原始信息,因此本文數(shù)據(jù)降維采用PCA降維算法。

    分別對兩數(shù)據(jù)源使用PCC算法進行降維聚類以及未降維聚類,所用時間對比如圖1所示。

    圖1 降維前后聚類時間對比圖

    對比降維前后聚類用時可知,降維處理可很大程度減少聚類算法耗時。

    2 PCC聚類算法原理

    2.1 Pearson相關(guān)系數(shù)

    在統(tǒng)計學中,考察兩個事物(數(shù)據(jù)變量)之間相關(guān)程度的系數(shù)稱為相關(guān)系數(shù)。如果有兩個變量X={x1,x2,…,xn}和Y={y1,y2,…,yn},根據(jù)最終計算出的相關(guān)系數(shù)的大小可以有以下三層含義:

    1) 相關(guān)系數(shù)為0,X、Y兩變量間無關(guān)系;

    2)X的值增大(減小),Y值增大(減小),兩個變量為正相關(guān),相關(guān)系數(shù)在0.00與1.00之間;

    3)X的值增大(減小),Y值減小(增大),兩個變量為負相關(guān),相關(guān)系數(shù)在-1.00與0.00之間。

    由上可知,相關(guān)系數(shù)的絕對值越大,相關(guān)性越強,相關(guān)系數(shù)越接近于1或-1,相關(guān)性越強,相關(guān)系數(shù)越接近于0,相關(guān)性越弱。

    Pearson相關(guān)也稱為積差相關(guān),它以兩變量間的離均差積和與離均差平方和為算術(shù)基礎(chǔ)進行計算。

    Pearson相關(guān)系數(shù)p的計算公式為

    X的離均差平方和LXX為

    Y的離均差平方和LYY為

    X、Y間的離均差積和LXY為

    Pearson相關(guān)系數(shù)p的判斷標準如表3所示。

    表3 Pearson相關(guān)系數(shù)p的判斷標準

    2.2 基于Pearson相關(guān)系數(shù)的初始聚類中心選取

    為了提高算法的運行效率和聚類精確性,需要對數(shù)據(jù)源中大量數(shù)據(jù)選取合適的初始聚類中心。本文初始聚類中心的選取原理是:事先設(shè)定一個初始相關(guān)系數(shù)閾值,使得到的初始聚類中心之間的相關(guān)系數(shù)盡量小于該閾值,即各初始聚類中心之間的相關(guān)性盡可能小,可以使原本隨機生成的初始聚類中心變成有目的性的選取,提高算法精確性。

    設(shè)X={x1,x2,…,xn}為待聚類數(shù)據(jù)集,設(shè)類間最大相關(guān)系數(shù)閾值為?,聚類數(shù)目為K,初始聚類中心選取步驟如下:

    Step 1 計算任意兩組數(shù)據(jù)之間的Pearson相關(guān)系數(shù),并生成系數(shù)矩陣Q,將系數(shù)最大的兩個數(shù)據(jù)歸為一類,并取兩個數(shù)據(jù)的中點作為第一個聚類中心。

    Step 2 根據(jù)事先設(shè)定的用于聚類中心選擇的系數(shù)閾值?,利用系數(shù)矩陣Q,檢測與第一個聚類中心的兩組數(shù)據(jù)的系數(shù)都小于?的所有數(shù)據(jù),并在其中選擇系數(shù)最高的兩個數(shù)據(jù)定為一類,且取兩個數(shù)據(jù)的中點為第二類聚類中心。

    Step 3 同理,在剩下的數(shù)據(jù)中整理與已經(jīng)確定的數(shù)據(jù)的系數(shù)都小于?的數(shù)據(jù),并在這些數(shù)據(jù)中選擇系數(shù)最高的兩個數(shù)據(jù)定為一類,且取兩個數(shù)據(jù)的中點為新一類聚類中心。

    Step 4 重復(fù)Step 3,直至找到K類為止。

    此流程利用系數(shù)矩陣Q及系數(shù)閾值對初始聚類中心進行判斷,以數(shù)據(jù)點和已確定數(shù)據(jù)點的相關(guān)系數(shù)進行比較,避免了傳統(tǒng)方法中將聚類中心與全部數(shù)據(jù)點進行比較,大幅度減少了所需運算量,且精度比傳統(tǒng)隨機性選擇方法要高。

    2.3 PCC算法流程

    根據(jù)已得到的系數(shù)矩陣Q和已選定的初始聚類中心,PCC算法的原理為:假設(shè)初始聚類中心為K類,根據(jù)系數(shù)矩陣Q,分別比較某一數(shù)據(jù)點到K類聚類中心的相關(guān)系數(shù),與哪一類的相關(guān)系數(shù)最大即最相似則歸為哪一類。歸類后重新計算聚類中心,重復(fù)歸類,直至滿足聚類結(jié)束迭代條件。PCC算法具體流程如下:

    Step 1 由初始聚類中心選取規(guī)則得出初始聚類中心mi={m1,m2,…,mK},K為聚類個數(shù)。

    Step 2 設(shè)yj為第j個樣本,找出yj與mi所有的最大相關(guān)系數(shù)Qmax,將其歸入對應(yīng)的聚類中心所屬的類中。

    Step 3 設(shè)ni是第i類已聚類樣本的個數(shù),yij為第i類中第j個樣本,由下式重新計算聚類中心mi:

    Step 4 設(shè)t為迭代次數(shù),按下式計算Y中所有樣本的系數(shù)誤差偏移量J(t),并與前一次系數(shù)誤差偏移量J(t-1)比較:

    式中:N為樣本數(shù)據(jù)總個數(shù);r為系數(shù)誤差偏移系數(shù);NQ≥r為樣本數(shù)據(jù)各類別中Q≥r的樣本總數(shù)。

    Step 5 若J(t)-J(t-1)<ε,即J(t)趨于穩(wěn)定,則算法結(jié)束,否則轉(zhuǎn)Step 2重復(fù)迭代。

    由以上PCC算法流程,結(jié)合聚類有效性指標檢驗,設(shè)最小聚類數(shù)為Lmim,最大聚類數(shù)為Lmax,有效性指標為IDBI,聚類算法總流程如圖2所示。

    2.4 聚類有效性指標

    圖2 PCC算法總流程

    為確定最佳聚類數(shù)和最佳聚類結(jié)果,引入聚類有效性指標進行聚類效果評價。文獻[7]對SSE、CHI、DBI三種指標進行評價,驗證得DBI指標曲線的拐點更為直觀,計算公式簡單且變化范圍小,更適合作為電力用戶負荷曲線的聚類有效性指標。因此本文采用的聚類有效性指標為DBI指標,DBI計算公式如下:

    式中:K為聚類數(shù)目;d(Xk)和d(Xj)為矩陣內(nèi)部距離;d(ck,cj)為向量間的距離。IDBI越小則表明聚類結(jié)果越好。

    3 算例分析

    3.1 電網(wǎng)實際負荷曲線聚類結(jié)果

    如上所述,本文采用兩個數(shù)據(jù)集,經(jīng)數(shù)據(jù)清理、去噪后,數(shù)據(jù)源數(shù)據(jù)分類如表4、5所示。

    表4 數(shù)據(jù)源1清理后數(shù)據(jù)分類

    表5數(shù)據(jù)源2清理后數(shù)據(jù)分類

    Table5Dataclassificationofdatasource2aftercleaning

    ABCD總計4286408142984

    設(shè)定該算例初始聚類中心選取閾值?=0.7,系數(shù)誤差偏移系數(shù)r=0.7,ε=0.000 5。

    以聚類有效性指標IDBI判定聚類最佳結(jié)果,如圖3所示。結(jié)果表明:對于數(shù)據(jù)源1,當聚類數(shù)為6時,IDBI最小,最佳聚類數(shù)為6;對數(shù)據(jù)源2,當聚類數(shù)為4時,IDBI最小,最佳聚類數(shù)為4。

    圖3 數(shù)據(jù)源1與數(shù)據(jù)源2的IDBI曲線

    經(jīng)PCC算法聚類后,兩數(shù)據(jù)源的聚類結(jié)果如圖4、5所示。

    圖4 數(shù)據(jù)源1聚類結(jié)果

    圖5 數(shù)據(jù)源2聚類結(jié)果

    保持?=0.7不變,分別設(shè)定r=0.6和r=0.8,對數(shù)據(jù)源1進行聚類,由聚類有效性指標IDBI判定聚類最佳結(jié)果,如圖6所示。

    圖6 ?=0.7時數(shù)據(jù)源1最佳聚類數(shù)對比

    保持r=0.7不變,分別設(shè)定?=0.6和?=0.8,對數(shù)據(jù)源1進行聚類,由聚類有效性指標IDBI判定聚類最佳結(jié)果,如圖7所示。

    圖7 r=0.7時數(shù)據(jù)源1最佳聚類數(shù)對比

    3.2 結(jié)果分析及對比

    由圖4可知,經(jīng)PCC算法聚類之后,數(shù)據(jù)源1分為6類,負荷類型主要為單峰型、雙峰型、平穩(wěn)型以及避峰型,具體分類數(shù)如表6所示。表6結(jié)果表明,數(shù)據(jù)源1分類結(jié)果與實際結(jié)果偏差不大,能較好地將數(shù)據(jù)進行真實分類。

    表6數(shù)據(jù)源1分類數(shù)目

    Table6Numberofdatasource1classificationsafterclustering

    123456550332682232216264

    圖6中,當?=0.7保持不變時,可知三條曲線的極值點都出現(xiàn)在聚類數(shù)為6時,且r=0.7時IDBI值最小,即r值的變化不影響最佳聚類數(shù)的變化,只影響IDBI。圖7中,當保持r=0.7不變時,三條曲線的極值點位置存在差異,IDBI最小的曲線為?=0.7,此時的最佳聚類數(shù)為6,說明?取不同值時最佳聚類數(shù)有區(qū)別,且IDBI也不盡相同。綜上所述,適合于PCC算法的最佳取值應(yīng)為?=0.7和r=0.7。

    將傳統(tǒng)FCM聚類算法和k-means算法應(yīng)用于本文兩數(shù)據(jù)源中,并與PCC算法的聚類有效性指標進行比較,如圖8所示。由圖8結(jié)果可得出PCC算法在兩數(shù)據(jù)源分類中的聚類有效性指標都比傳統(tǒng)算法理想,因此可知PCC算法聚類效果較好,分類結(jié)果合理。

    圖8 PCC算法與傳統(tǒng)FCM算法和k-means 算法聚類結(jié)果對比

    4 結(jié) 語

    1) 提出一種基于Pearson相關(guān)系數(shù)作為聚類判據(jù)的負荷曲線聚類算法——PCC,通過對負荷數(shù)據(jù)進行數(shù)據(jù)清理以及去噪處理,選擇合適的降維算法進行降維之后,以改進方法選取初始聚類中心,利用 Pearson 相關(guān)系數(shù)作為聚類相似性判據(jù),對電力用戶負荷曲線進行聚類分析。

    2) 利用Pearson相關(guān)系數(shù)作為聚類判據(jù),比傳統(tǒng)基于歐氏距離的判據(jù)方法更能合理地反映負荷曲線相似性,同時在聚類速度上也有較大改進。

    3) 本文研究角度為橫向角度聚類,即每一用戶都選定同一天負荷曲線聚類。如何從縱向角度,即從同一用戶多天的負荷曲線中,結(jié)合溫度等因素找尋典型曲線,再對不同用戶的典型曲線進行聚類是接下來需要研究的方向。

    [1] 宋亞奇,周國亮,朱永利.智能電網(wǎng)大數(shù)據(jù)處理技術(shù)現(xiàn)狀與挑戰(zhàn)[J].電網(wǎng)技術(shù),2013,37(4):927-935.

    SONG Yaqi,ZHOU Guoliang, ZHU Yongli.Present status and challenges of big data processing in smart grid[J]. Power System Technology, 2013, 37(4): 927-935.

    [2] 趙騰, 張焰, 張東霞. 智能配電網(wǎng)大數(shù)據(jù)應(yīng)用技術(shù)與前景分析[J].電網(wǎng)技術(shù),2014,38(12):3305-3312.

    ZHAO Teng, ZHANG Yan,ZHANG Dongxia.Application technology of big data in smart distribution grid and its prospect analysis[J]. Power System Technology, 2014,38(12):3305-3312.

    [3] 張欣,高衛(wèi)國,蘇運.基于函數(shù)型數(shù)據(jù)分析和k-means 算法的電力用戶分類[J].電網(wǎng)技術(shù),2015,39(11):3153-3162.

    ZHANG Xin, GAO Weiguo,SU Yun. Electricity consumer archetypes study based on functional data analysis and k-means algorithm[J]. Power System Technology,2015, 39(11):3153-3162.

    [4] 王星華,陳卓優(yōu),彭顯剛. 一種基于雙層聚類分析的負荷形態(tài)組合識別方法[J]. 電網(wǎng)技術(shù), 2016, 38(1):1-7.

    WANG Xinghua,CHEN Zhuoyou, PENG Xiangang. A new combinational electrical load analysis method based on bilayer clustering analysis[J]. Power System Technology,2016, 38(1):1-7.

    [5] 張慧哲, 王堅. 基于初始聚類中心選取的改進 FCM 聚類算法[J]. 計算機科學,2009,36(6):206-209.

    ZHANG Huizhe, WANG Jian. Improved fuzzy C means clustering algorithm based on selecting initial clustering centers[J].Computer Science, 2009,36(6) : 206-209.

    [6] 蔣雯倩, 李欣然, 錢軍. 改進FCM算法及其在電力負荷壞數(shù)據(jù)處理的應(yīng)用[J]. 電力系統(tǒng)及其自動化學報, 2011, 23(5): 1-5.

    JIANG Wenqian, LI Xinran, QIAN Jun. Application of improved FCM algorithm in outlier processing of power load[J]. Proceedings of the CSU-EPSA, 2011, 23(5): 1-5.

    [7] 張斌,莊池杰,胡軍,等.結(jié)合降維技術(shù)的電力負荷曲線集成聚類算法[J].中國電機工程學報,2015,35( 15) : 3741-3749.

    ZHANG Bin, ZHUANG Chijie,HU Jun,et al. Ensemble clustering algorithm combined with dimension reduction techniques for power load profiles[J].Proceedings of the CSEE,2015, 35(15): 3741-3749.

    A clustering algorithm of power userload curves based on Pearsoncorrelation coefficient

    WANG Xinghua,XU Xuanhao,ZHOU Yawu

    (School of Automation,Guangdong University of Technology,Guangzhou 510006,China)

    A Pearson Correlation Clustering (PCC) algorithm based on Pearson correlation coefficient as a clustering criterion is proposed. Firstly, the load data is cleaned and noiseeliminationis made, thenthe appropriate dimensionality reduction algorithm is selected to reduce the complexity of data processing. The Pearson correlation coefficient threshold is proposed to be used as the method of clustering center selection to solve the stochasticity of the initial clustering center selection. Clusteringis madebyusing Pearson correlation coefficient between the power load curve data and the clustering center,and the influence of different coefficients on the clustering effect is analyzedby takingthe DBI indexas the clustering effect. The results show that compared with the traditional algorithm, the algorithm has a short run time, strong robustness and better clustering effect.

    Pearson correlation coefficient; load curve classification; dimensionality reduction; median filter; clustering validity

    2017-06-27。

    王星華(1972—),男,副教授,研究方向為電力系統(tǒng)自動化,電力系統(tǒng)高級應(yīng)用軟件開發(fā),信息化電力系統(tǒng)等領(lǐng)域的研究和開發(fā)。

    TM714

    A

    2095-6843(2017)05-0397-05

    (編輯陳銀娥)

    猜你喜歡
    降維數(shù)據(jù)源聚類
    Three-Body’s epic scale and fiercely guarded fanbase present challenges to adaptations
    降維打擊
    海峽姐妹(2019年12期)2020-01-14 03:24:40
    Web 大數(shù)據(jù)系統(tǒng)數(shù)據(jù)源選擇*
    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
    基于不同網(wǎng)絡(luò)數(shù)據(jù)源的期刊評價研究
    基于改進的遺傳算法的模糊聚類算法
    基于真值發(fā)現(xiàn)的沖突數(shù)據(jù)源質(zhì)量評價算法
    一種層次初始的聚類個數(shù)自適應(yīng)的聚類方法研究
    拋物化Navier-Stokes方程的降維仿真模型
    計算物理(2014年1期)2014-03-11 17:00:18
    基于特征聯(lián)合和偏最小二乘降維的手勢識別
    男人舔女人下体高潮全视频| 欧美精品亚洲一区二区| 宅男免费午夜| 女人被狂操c到高潮| 午夜福利,免费看| 欧美日韩黄片免| 中文字幕久久专区| 非洲黑人性xxxx精品又粗又长| 大陆偷拍与自拍| 欧美在线黄色| 不卡一级毛片| 老熟妇乱子伦视频在线观看| 一区二区三区国产精品乱码| 亚洲国产中文字幕在线视频| 夜夜爽天天搞| 久久久久久久午夜电影| 久久婷婷人人爽人人干人人爱 | 成人18禁在线播放| 18美女黄网站色大片免费观看| 亚洲成av片中文字幕在线观看| 一区二区三区高清视频在线| 啦啦啦韩国在线观看视频| aaaaa片日本免费| 深夜精品福利| 好男人电影高清在线观看| 久久久久亚洲av毛片大全| 在线国产一区二区在线| 老汉色av国产亚洲站长工具| 又黄又粗又硬又大视频| 琪琪午夜伦伦电影理论片6080| 两性午夜刺激爽爽歪歪视频在线观看 | 久久精品影院6| 男人舔女人下体高潮全视频| 午夜福利高清视频| 777久久人妻少妇嫩草av网站| 在线国产一区二区在线| 国产精品野战在线观看| 久久草成人影院| 电影成人av| АⅤ资源中文在线天堂| 国产精品香港三级国产av潘金莲| 精品国产亚洲在线| 黑人操中国人逼视频| 免费久久久久久久精品成人欧美视频| 日韩高清综合在线| 亚洲九九香蕉| 亚洲激情在线av| 久久国产精品男人的天堂亚洲| 国产在线观看jvid| 亚洲专区中文字幕在线| 村上凉子中文字幕在线| 丰满的人妻完整版| 国产亚洲欧美在线一区二区| 国产一区在线观看成人免费| 成人三级黄色视频| 免费在线观看影片大全网站| 国产一级毛片七仙女欲春2 | 国产日韩一区二区三区精品不卡| 欧美另类亚洲清纯唯美| e午夜精品久久久久久久| 久久精品成人免费网站| 高清黄色对白视频在线免费看| 国产一区二区三区综合在线观看| 久久天堂一区二区三区四区| 亚洲精品中文字幕一二三四区| 精品一区二区三区四区五区乱码| 日韩av在线大香蕉| 久久久水蜜桃国产精品网| 国产成人系列免费观看| 亚洲中文字幕一区二区三区有码在线看 | 成人免费观看视频高清| 免费看美女性在线毛片视频| 90打野战视频偷拍视频| 亚洲精品一区av在线观看| 黑人操中国人逼视频| 在线免费观看的www视频| 婷婷精品国产亚洲av在线| 自拍欧美九色日韩亚洲蝌蚪91| 日韩欧美免费精品| 久久久国产欧美日韩av| 欧美日韩精品网址| 香蕉久久夜色| 黄片播放在线免费| 性少妇av在线| 国产av又大| 亚洲av片天天在线观看| 久久九九热精品免费| 18美女黄网站色大片免费观看| 长腿黑丝高跟| 亚洲国产看品久久| 老熟妇仑乱视频hdxx| 国产成人精品久久二区二区免费| 91麻豆av在线| 亚洲五月婷婷丁香| 午夜福利免费观看在线| 天天添夜夜摸| 欧美黑人精品巨大| 伊人久久大香线蕉亚洲五| 色综合婷婷激情| 久久久久国产一级毛片高清牌| 亚洲精品国产精品久久久不卡| 久久亚洲精品不卡| 久久国产精品男人的天堂亚洲| 久久久久久人人人人人| 变态另类成人亚洲欧美熟女 | 久久婷婷成人综合色麻豆| 免费无遮挡裸体视频| 欧美日韩瑟瑟在线播放| 亚洲国产欧美网| 人人澡人人妻人| 欧美丝袜亚洲另类 | 女生性感内裤真人,穿戴方法视频| 国产精品久久久av美女十八| 乱人伦中国视频| 久热爱精品视频在线9| 久久国产精品人妻蜜桃| 精品一区二区三区四区五区乱码| av超薄肉色丝袜交足视频| av有码第一页| 欧美黑人精品巨大| www.自偷自拍.com| 亚洲国产欧美日韩在线播放| 一级毛片高清免费大全| 国产精品 欧美亚洲| 成熟少妇高潮喷水视频| 美女 人体艺术 gogo| 欧美成狂野欧美在线观看| 久久精品91无色码中文字幕| 欧美黄色片欧美黄色片| 啦啦啦免费观看视频1| 成人国产一区最新在线观看| 九色亚洲精品在线播放| 美国免费a级毛片| 日日夜夜操网爽| 日本三级黄在线观看| 久久这里只有精品19| 这个男人来自地球电影免费观看| 一级,二级,三级黄色视频| 国产av精品麻豆| 中文字幕人妻丝袜一区二区| 国产又色又爽无遮挡免费看| 波多野结衣高清无吗| ponron亚洲| av免费在线观看网站| 久久国产精品影院| 久久精品国产综合久久久| 国产片内射在线| 精品欧美国产一区二区三| 免费搜索国产男女视频| 亚洲精品中文字幕一二三四区| 亚洲av日韩精品久久久久久密| 国产一区二区在线av高清观看| 久久婷婷人人爽人人干人人爱 | 12—13女人毛片做爰片一| 色哟哟哟哟哟哟| 亚洲 国产 在线| 两性午夜刺激爽爽歪歪视频在线观看 | 国产欧美日韩精品亚洲av| 日韩欧美一区二区三区在线观看| 日本 av在线| 波多野结衣av一区二区av| 纯流量卡能插随身wifi吗| 一区二区三区激情视频| 一边摸一边抽搐一进一出视频| 丝袜美足系列| 高潮久久久久久久久久久不卡| 欧美一级a爱片免费观看看 | 亚洲精品一卡2卡三卡4卡5卡| 搡老岳熟女国产| av免费在线观看网站| 中文字幕精品免费在线观看视频| 一级毛片精品| 久久影院123| 成人18禁在线播放| 最新在线观看一区二区三区| 午夜福利在线观看吧| 色综合站精品国产| 午夜免费观看网址| 精品国产一区二区三区四区第35| 少妇粗大呻吟视频| 黄网站色视频无遮挡免费观看| 日韩精品中文字幕看吧| 亚洲专区字幕在线| 我的亚洲天堂| 精品久久蜜臀av无| 亚洲一卡2卡3卡4卡5卡精品中文| 一区二区三区精品91| 久久精品91蜜桃| 国产成人欧美| 国产精品影院久久| 亚洲成人精品中文字幕电影| 麻豆久久精品国产亚洲av| 久久欧美精品欧美久久欧美| 亚洲中文字幕一区二区三区有码在线看 | netflix在线观看网站| 99国产精品99久久久久| 亚洲精品av麻豆狂野| netflix在线观看网站| 亚洲国产欧美网| 男男h啪啪无遮挡| 午夜成年电影在线免费观看| 久久久久国产一级毛片高清牌| 女人精品久久久久毛片| 在线观看日韩欧美| 在线观看免费日韩欧美大片| 精品无人区乱码1区二区| 欧美一级毛片孕妇| 欧美色欧美亚洲另类二区 | 三级毛片av免费| 麻豆av在线久日| 国产高清有码在线观看视频 | 国产精品二区激情视频| 午夜两性在线视频| 女性被躁到高潮视频| 亚洲最大成人中文| 熟妇人妻久久中文字幕3abv| av电影中文网址| 两性午夜刺激爽爽歪歪视频在线观看 | www.www免费av| 最近最新免费中文字幕在线| 欧美成人性av电影在线观看| 美女高潮喷水抽搐中文字幕| 国产精品香港三级国产av潘金莲| 97人妻精品一区二区三区麻豆 | 国产视频一区二区在线看| 亚洲国产欧美网| 在线观看舔阴道视频| 色综合婷婷激情| 一级黄色大片毛片| 黑人巨大精品欧美一区二区mp4| 色哟哟哟哟哟哟| 黑人巨大精品欧美一区二区蜜桃| 美女大奶头视频| 国产蜜桃级精品一区二区三区| 国产蜜桃级精品一区二区三区| 亚洲av日韩精品久久久久久密| 免费女性裸体啪啪无遮挡网站| av超薄肉色丝袜交足视频| 精品国产一区二区久久| 真人一进一出gif抽搐免费| 日本一区二区免费在线视频| 亚洲av电影不卡..在线观看| 成人18禁高潮啪啪吃奶动态图| 国产成人免费无遮挡视频| 国产伦一二天堂av在线观看| 国产精品1区2区在线观看.| 国产99白浆流出| 国产亚洲精品第一综合不卡| 亚洲片人在线观看| 国产私拍福利视频在线观看| 日韩欧美一区二区三区在线观看| 亚洲视频免费观看视频| or卡值多少钱| 夜夜爽天天搞| 丝袜人妻中文字幕| 成年人黄色毛片网站| 波多野结衣一区麻豆| 午夜成年电影在线免费观看| 正在播放国产对白刺激| 亚洲人成伊人成综合网2020| 女人被狂操c到高潮| 国内久久婷婷六月综合欲色啪| 人人澡人人妻人| 精品久久久精品久久久| 变态另类成人亚洲欧美熟女 | 日本五十路高清| 国产主播在线观看一区二区| 日韩三级视频一区二区三区| 满18在线观看网站| 日韩有码中文字幕| 免费在线观看亚洲国产| 久久久久久亚洲精品国产蜜桃av| 久久影院123| 欧美一级毛片孕妇| 亚洲专区字幕在线| 国产一区在线观看成人免费| 亚洲第一青青草原| 久久香蕉国产精品| 国产成人精品久久二区二区91| 99riav亚洲国产免费| 亚洲精品中文字幕一二三四区| 国产精品久久视频播放| 久久午夜亚洲精品久久| 日本vs欧美在线观看视频| 校园春色视频在线观看| 一级毛片女人18水好多| 久久人妻av系列| 精品久久久久久久人妻蜜臀av | 少妇的丰满在线观看| 欧美中文日本在线观看视频| 精品国产一区二区久久| 老司机午夜十八禁免费视频| e午夜精品久久久久久久| 成人亚洲精品av一区二区| 国产在线精品亚洲第一网站| 精品久久久精品久久久| 老熟妇乱子伦视频在线观看| 在线观看www视频免费| 日韩免费av在线播放| 丁香欧美五月| 他把我摸到了高潮在线观看| АⅤ资源中文在线天堂| а√天堂www在线а√下载| 一区在线观看完整版| 久久久精品国产亚洲av高清涩受| 国产黄a三级三级三级人| 午夜福利在线观看吧| 国产成年人精品一区二区| 99在线视频只有这里精品首页| 亚洲国产欧美网| 丁香欧美五月| 亚洲成av人片免费观看| 精品久久久久久久人妻蜜臀av | 亚洲精品国产区一区二| 悠悠久久av| 亚洲狠狠婷婷综合久久图片| 久久伊人香网站| 曰老女人黄片| 亚洲精品国产精品久久久不卡| 青草久久国产| 国产成人av教育| 黄色a级毛片大全视频| 国产激情欧美一区二区| 久久草成人影院| 中文字幕久久专区| 国产成人欧美| 电影成人av| 欧美大码av| 国产三级在线视频| av福利片在线| 国产精品1区2区在线观看.| 国产精品久久久久久精品电影 | 日韩av在线大香蕉| 久久伊人香网站| 不卡av一区二区三区| 欧美黄色淫秽网站| 亚洲avbb在线观看| 欧美亚洲日本最大视频资源| 大陆偷拍与自拍| 欧美成狂野欧美在线观看| 99久久精品国产亚洲精品| 美女国产高潮福利片在线看| 91九色精品人成在线观看| 女性被躁到高潮视频| 亚洲五月色婷婷综合| 亚洲 国产 在线| 两个人免费观看高清视频| 日韩精品中文字幕看吧| 99久久国产精品久久久| 欧美av亚洲av综合av国产av| 国产精品亚洲av一区麻豆| 男女午夜视频在线观看| 欧美中文日本在线观看视频| 国产成人av激情在线播放| 亚洲狠狠婷婷综合久久图片| 9热在线视频观看99| 中国美女看黄片| 老熟妇仑乱视频hdxx| 国产成人欧美在线观看| 国产精品久久久久久亚洲av鲁大| 国产亚洲欧美98| 日本 av在线| 九色国产91popny在线| 亚洲精品美女久久av网站| 国产亚洲精品av在线| 国产精品九九99| 久久精品亚洲精品国产色婷小说| 一级,二级,三级黄色视频| 国产精品一区二区精品视频观看| 亚洲第一欧美日韩一区二区三区| 国产成人啪精品午夜网站| 色尼玛亚洲综合影院| 欧美日本亚洲视频在线播放| 亚洲国产欧美网| 欧美性长视频在线观看| 每晚都被弄得嗷嗷叫到高潮| 日韩欧美一区视频在线观看| 亚洲精品美女久久av网站| 午夜福利免费观看在线| 女同久久另类99精品国产91| 欧美 亚洲 国产 日韩一| 看片在线看免费视频| 999精品在线视频| 久久亚洲精品不卡| 亚洲精品粉嫩美女一区| 国产国语露脸激情在线看| 人人澡人人妻人| 亚洲精品在线美女| 男女下面进入的视频免费午夜 | 国产成人欧美在线观看| 亚洲av第一区精品v没综合| 欧美黄色淫秽网站| 一级a爱视频在线免费观看| 亚洲成人国产一区在线观看| 久久这里只有精品19| 亚洲电影在线观看av| avwww免费| 视频在线观看一区二区三区| 可以在线观看毛片的网站| 精品国产一区二区三区四区第35| 中亚洲国语对白在线视频| 国产精品久久电影中文字幕| 国产午夜福利久久久久久| 亚洲男人天堂网一区| 黄色片一级片一级黄色片| 亚洲国产精品合色在线| 国产真人三级小视频在线观看| 亚洲视频免费观看视频| 中国美女看黄片| 国产成人欧美在线观看| 亚洲自偷自拍图片 自拍| 男女做爰动态图高潮gif福利片 | 操美女的视频在线观看| 亚洲一区中文字幕在线| 国产高清激情床上av| 一区二区三区精品91| 自拍欧美九色日韩亚洲蝌蚪91| 在线观看66精品国产| 长腿黑丝高跟| 女人精品久久久久毛片| 国产精品免费视频内射| 国产欧美日韩精品亚洲av| 亚洲成a人片在线一区二区| 亚洲熟女毛片儿| 他把我摸到了高潮在线观看| 精品久久蜜臀av无| 亚洲成人久久性| 午夜福利,免费看| 无人区码免费观看不卡| 欧美激情久久久久久爽电影 | 国产成人av教育| 天天一区二区日本电影三级 | 婷婷丁香在线五月| 亚洲中文字幕日韩| 亚洲精品美女久久久久99蜜臀| 亚洲va日本ⅴa欧美va伊人久久| 亚洲专区国产一区二区| ponron亚洲| 在线视频色国产色| 在线观看一区二区三区| 美女高潮喷水抽搐中文字幕| 国产又色又爽无遮挡免费看| av欧美777| 日韩 欧美 亚洲 中文字幕| 午夜a级毛片| av有码第一页| 日本a在线网址| 18禁裸乳无遮挡免费网站照片 | 亚洲精品国产一区二区精华液| 久久午夜综合久久蜜桃| 中文字幕久久专区| 好看av亚洲va欧美ⅴa在| 国产精品久久久av美女十八| 午夜福利一区二区在线看| 99精品欧美一区二区三区四区| 天天添夜夜摸| 热99re8久久精品国产| 久久久久久免费高清国产稀缺| 久久人妻福利社区极品人妻图片| 欧美一级a爱片免费观看看 | 一本大道久久a久久精品| 欧美精品啪啪一区二区三区| 一边摸一边做爽爽视频免费| 午夜影院日韩av| 亚洲熟妇中文字幕五十中出| 国产亚洲精品久久久久5区| 中亚洲国语对白在线视频| 激情在线观看视频在线高清| 激情视频va一区二区三区| 最好的美女福利视频网| 亚洲成av片中文字幕在线观看| 国产伦人伦偷精品视频| 国产av又大| 成年女人毛片免费观看观看9| 免费观看人在逋| 日本 欧美在线| av在线天堂中文字幕| 欧美在线一区亚洲| or卡值多少钱| 午夜福利视频1000在线观看 | 国内精品久久久久精免费| 99国产精品一区二区三区| 999久久久精品免费观看国产| 无遮挡黄片免费观看| 淫秽高清视频在线观看| 多毛熟女@视频| 午夜福利高清视频| 69av精品久久久久久| 国产精品一区二区免费欧美| 91字幕亚洲| 夜夜爽天天搞| 国产激情欧美一区二区| 日韩精品免费视频一区二区三区| 欧美乱妇无乱码| 一本大道久久a久久精品| 欧美黑人欧美精品刺激| www国产在线视频色| 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| 亚洲国产精品合色在线| 女生性感内裤真人,穿戴方法视频| 狂野欧美激情性xxxx| 身体一侧抽搐| 满18在线观看网站| 国产成人免费无遮挡视频| 日本 av在线| 亚洲人成伊人成综合网2020| 亚洲人成网站在线播放欧美日韩| 国内毛片毛片毛片毛片毛片| 我的亚洲天堂| 村上凉子中文字幕在线| 如日韩欧美国产精品一区二区三区| 亚洲国产日韩欧美精品在线观看 | 亚洲国产精品久久男人天堂| 无遮挡黄片免费观看| 国产国语露脸激情在线看| 一区二区三区激情视频| 国产高清有码在线观看视频 | 妹子高潮喷水视频| а√天堂www在线а√下载| 亚洲 欧美一区二区三区| 久久天堂一区二区三区四区| 精品久久蜜臀av无| 最好的美女福利视频网| 两性夫妻黄色片| 激情在线观看视频在线高清| 成在线人永久免费视频| 中文字幕av电影在线播放| 久久天堂一区二区三区四区| 欧美日韩亚洲国产一区二区在线观看| 最好的美女福利视频网| 国产精品美女特级片免费视频播放器 | 非洲黑人性xxxx精品又粗又长| 日本黄色视频三级网站网址| a级毛片在线看网站| 欧美 亚洲 国产 日韩一| 免费高清在线观看日韩| 国产99久久九九免费精品| 精品国产美女av久久久久小说| 久久久国产成人精品二区| 男人舔女人的私密视频| 国产av一区二区精品久久| 久久久精品国产亚洲av高清涩受| 一区二区三区高清视频在线| 嫁个100分男人电影在线观看| 黑人欧美特级aaaaaa片| 人人妻人人澡欧美一区二区 | 高潮久久久久久久久久久不卡| 欧美激情 高清一区二区三区| 久久伊人香网站| 国产又色又爽无遮挡免费看| 精品午夜福利视频在线观看一区| 黑人巨大精品欧美一区二区蜜桃| 69精品国产乱码久久久| 亚洲欧美日韩另类电影网站| 日日干狠狠操夜夜爽| 韩国av一区二区三区四区| 亚洲熟妇熟女久久| 黄色丝袜av网址大全| 男女做爰动态图高潮gif福利片 | 中文字幕高清在线视频| 亚洲中文av在线| 91精品国产国语对白视频| 国产不卡一卡二| 可以免费在线观看a视频的电影网站| 男女午夜视频在线观看| 国内精品久久久久久久电影| 中文亚洲av片在线观看爽| 人成视频在线观看免费观看| 女性被躁到高潮视频| 51午夜福利影视在线观看| 亚洲va日本ⅴa欧美va伊人久久| 免费看美女性在线毛片视频| 91九色精品人成在线观看| 极品教师在线免费播放| 在线十欧美十亚洲十日本专区| 免费高清在线观看日韩| 亚洲午夜理论影院| 黄色视频不卡| 久久青草综合色| 天堂√8在线中文| 精品国内亚洲2022精品成人| 亚洲男人天堂网一区| 最新美女视频免费是黄的| 中文字幕人妻丝袜一区二区| 人妻丰满熟妇av一区二区三区| 精品乱码久久久久久99久播| 91老司机精品| 天堂√8在线中文| 一级毛片女人18水好多| 免费高清视频大片| 黄片播放在线免费| 人人妻人人爽人人添夜夜欢视频| 国内精品久久久久精免费| 午夜福利免费观看在线| 在线国产一区二区在线| 嫩草影院精品99| 亚洲中文日韩欧美视频| 亚洲av电影在线进入| 精品卡一卡二卡四卡免费| 国产精品自产拍在线观看55亚洲| 无限看片的www在线观看| 久久人妻熟女aⅴ| 老司机深夜福利视频在线观看| 欧美激情高清一区二区三区| 看黄色毛片网站| 男女床上黄色一级片免费看| 亚洲avbb在线观看| 国产不卡一卡二| svipshipincom国产片| 日韩精品免费视频一区二区三区| 国产成人啪精品午夜网站| 男女做爰动态图高潮gif福利片 | 丝袜美足系列| 天天添夜夜摸|