• <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
    五月开心婷婷网| 黄色怎么调成土黄色| 日日摸夜夜添夜夜添小说| 色老头精品视频在线观看| 成人国产一区最新在线观看| 亚洲成av片中文字幕在线观看| 欧美精品人与动牲交sv欧美| 日本猛色少妇xxxxx猛交久久| 国产亚洲精品一区二区www | 麻豆乱淫一区二区| 成年动漫av网址| 国内毛片毛片毛片毛片毛片| 日韩大片免费观看网站| 女人爽到高潮嗷嗷叫在线视频| 免费在线观看影片大全网站| 在线精品无人区一区二区三| 久9热在线精品视频| 青青草视频在线视频观看| 久久久久国产精品人妻一区二区| 青春草视频在线免费观看| 日韩欧美免费精品| 高清av免费在线| 免费在线观看视频国产中文字幕亚洲 | 久久久久久人人人人人| 大香蕉久久网| 日韩制服骚丝袜av| 大片免费播放器 马上看| 中文字幕制服av| 91精品三级在线观看| 十八禁人妻一区二区| 夫妻午夜视频| 国产日韩欧美视频二区| 一本一本久久a久久精品综合妖精| 色精品久久人妻99蜜桃| 亚洲国产精品一区三区| 亚洲五月色婷婷综合| 国产亚洲av片在线观看秒播厂| 色94色欧美一区二区| 女警被强在线播放| 午夜日韩欧美国产| 欧美精品高潮呻吟av久久| 亚洲性夜色夜夜综合| 国产成人av教育| 国产99久久九九免费精品| 另类精品久久| av有码第一页| 久久久久久亚洲精品国产蜜桃av| 女人爽到高潮嗷嗷叫在线视频| 日本五十路高清| 成人免费观看视频高清| 成人国产av品久久久| 日韩中文字幕欧美一区二区| 91精品三级在线观看| 亚洲美女黄色视频免费看| 91大片在线观看| 97精品久久久久久久久久精品| 一区福利在线观看| 日韩人妻精品一区2区三区| 午夜久久久在线观看| 一边摸一边抽搐一进一出视频| 丝袜喷水一区| 免费女性裸体啪啪无遮挡网站| 色婷婷av一区二区三区视频| 免费日韩欧美在线观看| 欧美黑人精品巨大| 后天国语完整版免费观看| 国产成人av激情在线播放| 国产一级毛片在线| 亚洲av电影在线进入| 国产精品秋霞免费鲁丝片| 国产1区2区3区精品| 亚洲国产成人一精品久久久| 最近中文字幕2019免费版| 女人精品久久久久毛片| 久久精品亚洲熟妇少妇任你| 久久亚洲精品不卡| 欧美日韩视频精品一区| 热re99久久国产66热| 亚洲国产成人一精品久久久| 狠狠婷婷综合久久久久久88av| 亚洲国产av新网站| 女性被躁到高潮视频| 久久精品熟女亚洲av麻豆精品| 天天操日日干夜夜撸| 亚洲avbb在线观看| 午夜两性在线视频| 国产亚洲欧美在线一区二区| 国产区一区二久久| 午夜福利影视在线免费观看| 少妇被粗大的猛进出69影院| 丰满人妻熟妇乱又伦精品不卡| 不卡av一区二区三区| 男人添女人高潮全过程视频| 免费高清在线观看视频在线观看| av国产精品久久久久影院| 午夜视频精品福利| 欧美日韩亚洲综合一区二区三区_| 亚洲免费av在线视频| 国产亚洲精品一区二区www | 国产亚洲av片在线观看秒播厂| 免费女性裸体啪啪无遮挡网站| 精品久久蜜臀av无| 国产亚洲av高清不卡| 国产精品国产av在线观看| 国产精品九九99| 中文字幕人妻熟女乱码| 中文字幕精品免费在线观看视频| 少妇被粗大的猛进出69影院| bbb黄色大片| 午夜91福利影院| 亚洲专区国产一区二区| 女性生殖器流出的白浆| 老司机午夜福利在线观看视频 | 久久久久久免费高清国产稀缺| 一二三四社区在线视频社区8| av福利片在线| 亚洲va日本ⅴa欧美va伊人久久 | 多毛熟女@视频| 亚洲五月色婷婷综合| 亚洲国产精品999| 久久香蕉激情| 一本综合久久免费| 亚洲精品久久成人aⅴ小说| 亚洲精品自拍成人| 久久 成人 亚洲| 女人被躁到高潮嗷嗷叫费观| 久久人妻熟女aⅴ| 午夜成年电影在线免费观看| 飞空精品影院首页| 成年美女黄网站色视频大全免费| 久久国产精品人妻蜜桃| 久久人人97超碰香蕉20202| 国内毛片毛片毛片毛片毛片| 亚洲av电影在线观看一区二区三区| 国产精品久久久久久精品古装| 美女高潮到喷水免费观看| 少妇人妻久久综合中文| 亚洲专区国产一区二区| 午夜福利在线免费观看网站| 欧美国产精品一级二级三级| 狠狠精品人妻久久久久久综合| 成在线人永久免费视频| 国产亚洲午夜精品一区二区久久| 久久久久久久国产电影| 狠狠狠狠99中文字幕| 高清在线国产一区| 女人高潮潮喷娇喘18禁视频| 大型av网站在线播放| 成人影院久久| 好男人电影高清在线观看| 国产伦人伦偷精品视频| 一级毛片电影观看| 国产欧美日韩一区二区三区在线| 亚洲九九香蕉| 国产一区二区 视频在线| av在线老鸭窝| 老司机午夜福利在线观看视频 | 亚洲精品日韩在线中文字幕| 亚洲国产中文字幕在线视频| 欧美 亚洲 国产 日韩一| 欧美亚洲日本最大视频资源| 热99久久久久精品小说推荐| 亚洲国产欧美一区二区综合| 国产男女内射视频| 九色亚洲精品在线播放| 日本五十路高清| 亚洲人成77777在线视频| 精品熟女少妇八av免费久了| 91老司机精品| 亚洲欧美日韩另类电影网站| 日韩欧美国产一区二区入口| 国产野战对白在线观看| 日韩三级视频一区二区三区| 中文欧美无线码| 极品人妻少妇av视频| e午夜精品久久久久久久| 亚洲国产av新网站| 亚洲第一欧美日韩一区二区三区 | 老司机午夜十八禁免费视频| 亚洲成人手机| 在线亚洲精品国产二区图片欧美| 视频区欧美日本亚洲| 99香蕉大伊视频| 国产精品一区二区免费欧美 | 老鸭窝网址在线观看| 菩萨蛮人人尽说江南好唐韦庄| av一本久久久久| 免费在线观看视频国产中文字幕亚洲 | 男女床上黄色一级片免费看| 国产熟女午夜一区二区三区| svipshipincom国产片| 女性被躁到高潮视频| 亚洲成人免费av在线播放| 大陆偷拍与自拍| 国产成人免费观看mmmm| 99久久99久久久精品蜜桃| 十八禁高潮呻吟视频| 亚洲精品国产精品久久久不卡| 欧美日韩一级在线毛片| 人妻人人澡人人爽人人| 精品一区二区三卡| 老鸭窝网址在线观看| 丰满迷人的少妇在线观看| 国产精品国产三级国产专区5o| 国产伦理片在线播放av一区| 18在线观看网站| 一级毛片电影观看| 国产在视频线精品| 少妇粗大呻吟视频| 国产精品二区激情视频| 国产黄色免费在线视频| av一本久久久久| 亚洲欧美激情在线| 精品人妻熟女毛片av久久网站| 欧美日韩视频精品一区| 久久久久久久久免费视频了| 999精品在线视频| 人妻一区二区av| 成人手机av| 亚洲 欧美一区二区三区| 国产无遮挡羞羞视频在线观看| 久久久欧美国产精品| 欧美在线一区亚洲| 高清在线国产一区| 啦啦啦啦在线视频资源| 国产一卡二卡三卡精品| 国产精品成人在线| 中文字幕最新亚洲高清| 欧美日韩精品网址| 欧美精品高潮呻吟av久久| 岛国毛片在线播放| 免费高清在线观看视频在线观看| 99热网站在线观看| 国产免费一区二区三区四区乱码| 亚洲熟女毛片儿| 国产一区二区三区在线臀色熟女 | 国产精品av久久久久免费| 日本一区二区免费在线视频| 久久精品国产综合久久久| 无遮挡黄片免费观看| 国产精品久久久久久人妻精品电影 | 午夜福利,免费看| 后天国语完整版免费观看| av在线播放精品| 国产欧美日韩一区二区三区在线| 国产一区二区三区在线臀色熟女 | 亚洲综合色网址| www日本在线高清视频| 精品一品国产午夜福利视频| 久久av网站| 欧美成狂野欧美在线观看| 人妻人人澡人人爽人人| 亚洲精品久久成人aⅴ小说| 久久香蕉激情| 亚洲精品av麻豆狂野| 男人舔女人的私密视频| 免费高清在线观看日韩| 女人精品久久久久毛片| 久久久久国产精品人妻一区二区| 国产真人三级小视频在线观看| 久久久久国内视频| 色综合欧美亚洲国产小说| av不卡在线播放| 精品乱码久久久久久99久播| 中文字幕人妻熟女乱码| 欧美人与性动交α欧美软件| 黑人巨大精品欧美一区二区蜜桃| av欧美777| 91精品三级在线观看| 天天操日日干夜夜撸| 人妻久久中文字幕网| 久久久久国产精品人妻一区二区| 久热这里只有精品99| 视频在线观看一区二区三区| 精品第一国产精品| 免费在线观看影片大全网站| 精品久久久久久久毛片微露脸 | 一区二区三区乱码不卡18| h视频一区二区三区| 欧美亚洲 丝袜 人妻 在线| 真人做人爱边吃奶动态| 丁香六月天网| 男女下面插进去视频免费观看| 久久影院123| 伊人久久大香线蕉亚洲五| 免费观看av网站的网址| 国产免费视频播放在线视频| 亚洲第一青青草原| 久久久久精品国产欧美久久久 | 菩萨蛮人人尽说江南好唐韦庄| 欧美日韩黄片免| 国产精品 国内视频| 亚洲欧美清纯卡通| 大陆偷拍与自拍| 啦啦啦视频在线资源免费观看| 国产欧美日韩一区二区三 | 午夜免费成人在线视频| 午夜精品久久久久久毛片777| av免费在线观看网站| 肉色欧美久久久久久久蜜桃| 国产成人精品久久二区二区免费| 国产免费现黄频在线看| 91精品国产国语对白视频| 亚洲久久久国产精品| 正在播放国产对白刺激| avwww免费| 18禁裸乳无遮挡动漫免费视频| 丝瓜视频免费看黄片| 亚洲美女黄色视频免费看| 亚洲五月色婷婷综合| 欧美精品一区二区大全| 成年人午夜在线观看视频| 少妇裸体淫交视频免费看高清 | 日本黄色日本黄色录像| 精品少妇久久久久久888优播| 另类亚洲欧美激情| 久久ye,这里只有精品| 久久狼人影院| 欧美中文综合在线视频| 国产主播在线观看一区二区| 欧美日韩亚洲国产一区二区在线观看 | 91麻豆av在线| 欧美精品高潮呻吟av久久| 少妇人妻久久综合中文| 自线自在国产av| 亚洲色图 男人天堂 中文字幕| 亚洲国产精品成人久久小说| 大型av网站在线播放| 超碰成人久久| 久久99一区二区三区| 免费在线观看视频国产中文字幕亚洲 | 久久影院123| av视频免费观看在线观看| 大片电影免费在线观看免费| 国产淫语在线视频| 欧美中文综合在线视频| 日韩欧美一区二区三区在线观看 | 亚洲av国产av综合av卡| 少妇 在线观看| 纵有疾风起免费观看全集完整版| www日本在线高清视频| 狠狠婷婷综合久久久久久88av| 咕卡用的链子| 欧美日韩亚洲综合一区二区三区_| 99久久综合免费| videosex国产| 99九九在线精品视频| 国产一区二区激情短视频 | 亚洲欧美精品自产自拍| 岛国在线观看网站| 亚洲黑人精品在线| 老司机在亚洲福利影院| 久久久久国内视频| 啦啦啦啦在线视频资源| av福利片在线| 99久久人妻综合| 久久这里只有精品19| www.自偷自拍.com| 亚洲国产av影院在线观看| 久久人人97超碰香蕉20202| 免费在线观看黄色视频的| 少妇粗大呻吟视频| 久久久精品国产亚洲av高清涩受| 十八禁高潮呻吟视频| 免费不卡黄色视频| tube8黄色片| 少妇的丰满在线观看| 国产精品麻豆人妻色哟哟久久| 一本色道久久久久久精品综合| tube8黄色片| 可以免费在线观看a视频的电影网站| 国产亚洲精品第一综合不卡| 亚洲精品乱久久久久久| 亚洲国产看品久久| www.熟女人妻精品国产| 久久av网站| 精品一区二区三区av网在线观看 | 黄色视频,在线免费观看| 亚洲中文日韩欧美视频| 天天添夜夜摸| 亚洲av国产av综合av卡| 不卡一级毛片| 黄色片一级片一级黄色片| 黑人巨大精品欧美一区二区蜜桃| 十分钟在线观看高清视频www| 亚洲少妇的诱惑av| 18禁裸乳无遮挡动漫免费视频| 国产精品麻豆人妻色哟哟久久| 可以免费在线观看a视频的电影网站| 国产日韩欧美在线精品| √禁漫天堂资源中文www| 男女无遮挡免费网站观看| 国产精品免费大片| 国产91精品成人一区二区三区 | 999久久久精品免费观看国产| 亚洲熟女精品中文字幕| 老熟女久久久| 久久久久国产一级毛片高清牌| 日韩 欧美 亚洲 中文字幕| 亚洲欧洲日产国产| 黄片小视频在线播放| 黑人欧美特级aaaaaa片| 日韩三级视频一区二区三区| netflix在线观看网站| 日韩欧美免费精品| 777久久人妻少妇嫩草av网站| 亚洲一区二区三区欧美精品| 国产成人欧美| 老司机午夜十八禁免费视频| 啦啦啦免费观看视频1| 国产精品免费大片| 宅男免费午夜| xxxhd国产人妻xxx| 天天添夜夜摸| 亚洲国产精品成人久久小说| 亚洲九九香蕉| 91精品伊人久久大香线蕉| 99国产精品免费福利视频| 亚洲男人天堂网一区| 国内毛片毛片毛片毛片毛片| 王馨瑶露胸无遮挡在线观看| 色94色欧美一区二区| 欧美久久黑人一区二区| 美女中出高潮动态图| 一区在线观看完整版| 亚洲中文字幕日韩| 亚洲国产欧美一区二区综合| 欧美 亚洲 国产 日韩一| 叶爱在线成人免费视频播放| 国产免费视频播放在线视频| av在线app专区| a在线观看视频网站| 日本撒尿小便嘘嘘汇集6| 亚洲精品国产av蜜桃| 亚洲人成电影免费在线| 女人被躁到高潮嗷嗷叫费观| 亚洲五月婷婷丁香| 国产日韩欧美视频二区| 母亲3免费完整高清在线观看| 黄色视频在线播放观看不卡| 纵有疾风起免费观看全集完整版| 女人爽到高潮嗷嗷叫在线视频| 在线观看www视频免费| 日韩欧美免费精品| 精品卡一卡二卡四卡免费| 19禁男女啪啪无遮挡网站| 国产一区二区 视频在线| 一区二区日韩欧美中文字幕| 爱豆传媒免费全集在线观看| 伊人久久大香线蕉亚洲五| 别揉我奶头~嗯~啊~动态视频 | 精品久久久久久久毛片微露脸 | 丁香六月天网| 亚洲第一欧美日韩一区二区三区 | 成人亚洲精品一区在线观看| 国产精品熟女久久久久浪| 最近最新免费中文字幕在线| 免费在线观看影片大全网站| 国产97色在线日韩免费| 久久亚洲精品不卡| 久久青草综合色| 亚洲九九香蕉| 久久人人爽人人片av| 99香蕉大伊视频| 午夜福利视频在线观看免费| 男女高潮啪啪啪动态图| 亚洲精品粉嫩美女一区| 热99国产精品久久久久久7| 亚洲精品日韩在线中文字幕| 男人舔女人的私密视频| 久久久国产一区二区| 亚洲国产精品999| 亚洲成人手机| 伊人亚洲综合成人网| 999精品在线视频| 操美女的视频在线观看| 巨乳人妻的诱惑在线观看| 亚洲av电影在线观看一区二区三区| 国产一区二区激情短视频 | 成人手机av| 亚洲国产成人一精品久久久| 国产欧美日韩一区二区精品| 色婷婷久久久亚洲欧美| 不卡一级毛片| 久久精品亚洲av国产电影网| 亚洲熟女毛片儿| 亚洲人成电影观看| 久久久久国产精品人妻一区二区| 51午夜福利影视在线观看| 99久久国产精品久久久| 久久国产亚洲av麻豆专区| 1024香蕉在线观看| svipshipincom国产片| 欧美精品高潮呻吟av久久| 午夜老司机福利片| 欧美+亚洲+日韩+国产| 久久这里只有精品19| 精品亚洲乱码少妇综合久久| 欧美日韩成人在线一区二区| 亚洲欧美日韩另类电影网站| 18在线观看网站| 午夜两性在线视频| 一区二区三区精品91| 黄网站色视频无遮挡免费观看| 18在线观看网站| 黄网站色视频无遮挡免费观看| 日韩大码丰满熟妇| 亚洲三区欧美一区| 国产精品成人在线| 婷婷色av中文字幕| 免费观看a级毛片全部| 国产欧美日韩一区二区三区在线| 最黄视频免费看| 999久久久国产精品视频| 人人妻人人澡人人看| 99久久人妻综合| 操美女的视频在线观看| 欧美av亚洲av综合av国产av| 欧美一级毛片孕妇| 精品视频人人做人人爽| 免费久久久久久久精品成人欧美视频| 欧美老熟妇乱子伦牲交| 女人爽到高潮嗷嗷叫在线视频| 中亚洲国语对白在线视频| 国产欧美日韩一区二区三区在线| 亚洲avbb在线观看| 国产精品.久久久| 欧美日韩精品网址| 热99re8久久精品国产| 两个人免费观看高清视频| 国产成人a∨麻豆精品| 美女大奶头黄色视频| 天天躁夜夜躁狠狠躁躁| 久久久精品94久久精品| 国产精品自产拍在线观看55亚洲 | 黄色怎么调成土黄色| 亚洲欧美精品自产自拍| 每晚都被弄得嗷嗷叫到高潮| 777米奇影视久久| 99re6热这里在线精品视频| 亚洲va日本ⅴa欧美va伊人久久 | 国产亚洲av高清不卡| 色婷婷av一区二区三区视频| 黄片小视频在线播放| 亚洲专区字幕在线| 欧美日韩视频精品一区| 精品国产一区二区三区四区第35| 日日摸夜夜添夜夜添小说| 亚洲av欧美aⅴ国产| 伊人久久大香线蕉亚洲五| 丰满人妻熟妇乱又伦精品不卡| 一个人免费在线观看的高清视频 | 狠狠狠狠99中文字幕| 女人被躁到高潮嗷嗷叫费观| 国产亚洲午夜精品一区二区久久| 90打野战视频偷拍视频| 国产日韩欧美视频二区| 爱豆传媒免费全集在线观看| 欧美日本中文国产一区发布| 黄色视频在线播放观看不卡| 精品久久久久久电影网| 久久亚洲国产成人精品v| 亚洲自偷自拍图片 自拍| 免费观看a级毛片全部| avwww免费| 精品卡一卡二卡四卡免费| 超色免费av| 亚洲av日韩在线播放| 欧美日韩黄片免| 熟女少妇亚洲综合色aaa.| videosex国产| 亚洲三区欧美一区| 精品久久蜜臀av无| 美女高潮到喷水免费观看| 97精品久久久久久久久久精品| 桃花免费在线播放| 在线精品无人区一区二区三| 9热在线视频观看99| 国产一区二区在线观看av| 午夜福利,免费看| 在线 av 中文字幕| 国产国语露脸激情在线看| 日韩欧美一区二区三区在线观看 | av又黄又爽大尺度在线免费看| 在线天堂中文资源库| 久热爱精品视频在线9| 十分钟在线观看高清视频www| 老汉色av国产亚洲站长工具| 午夜激情av网站| 桃花免费在线播放| 亚洲国产日韩一区二区| 黄色视频在线播放观看不卡| 两人在一起打扑克的视频| 十八禁网站免费在线| 国产精品一区二区精品视频观看| 夜夜夜夜夜久久久久| 十八禁网站网址无遮挡| 亚洲精品一卡2卡三卡4卡5卡 | 好男人电影高清在线观看| 久久影院123| 亚洲一码二码三码区别大吗| 伊人久久大香线蕉亚洲五| 欧美久久黑人一区二区| 交换朋友夫妻互换小说| 国产日韩欧美亚洲二区| 亚洲色图综合在线观看| 色精品久久人妻99蜜桃| 亚洲国产毛片av蜜桃av| 日日爽夜夜爽网站| 桃红色精品国产亚洲av| 久久狼人影院| 搡老熟女国产l中国老女人| 午夜精品久久久久久毛片777| 久久天堂一区二区三区四区| www日本在线高清视频|