• <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
    久热久热在线精品观看| 国产成人精品婷婷| 精品一区二区三区人妻视频| 成人美女网站在线观看视频| 国产亚洲精品久久久com| 一级a做视频免费观看| 汤姆久久久久久久影院中文字幕 | 色综合色国产| 蜜桃亚洲精品一区二区三区| 日韩av在线大香蕉| 精品久久久久久电影网| 国产 一区 欧美 日韩| 91精品伊人久久大香线蕉| 亚洲精品色激情综合| 久久热精品热| 中国美白少妇内射xxxbb| 欧美日韩亚洲高清精品| 18禁裸乳无遮挡免费网站照片| 爱豆传媒免费全集在线观看| 成年女人看的毛片在线观看| 老女人水多毛片| 国产淫片久久久久久久久| 美女xxoo啪啪120秒动态图| 精品国产三级普通话版| 插逼视频在线观看| 天堂av国产一区二区熟女人妻| 女人被狂操c到高潮| 色播亚洲综合网| 免费不卡的大黄色大毛片视频在线观看 | 精品久久久久久久久久久久久| 好男人在线观看高清免费视频| 国产亚洲最大av| 3wmmmm亚洲av在线观看| 寂寞人妻少妇视频99o| 欧美人与善性xxx| 国产色爽女视频免费观看| 啦啦啦啦在线视频资源| 国产精品人妻久久久影院| 久久久亚洲精品成人影院| 伊人久久精品亚洲午夜| 国产成人精品一,二区| 超碰97精品在线观看| 久久国内精品自在自线图片| 久久久精品欧美日韩精品| 97人妻精品一区二区三区麻豆| 亚洲精品aⅴ在线观看| 国产精品一区二区三区四区免费观看| 国产成人精品一,二区| 成人鲁丝片一二三区免费| 99久久精品国产国产毛片| 成人漫画全彩无遮挡| 97超视频在线观看视频| 日韩欧美精品v在线| 夫妻性生交免费视频一级片| 精品久久久久久久人妻蜜臀av| 99久久人妻综合| 成年免费大片在线观看| 欧美xxxx黑人xx丫x性爽| 亚洲精品国产成人久久av| 美女国产视频在线观看| 国产精品福利在线免费观看| 你懂的网址亚洲精品在线观看| 久久久久免费精品人妻一区二区| 免费人成在线观看视频色| 丝瓜视频免费看黄片| 少妇人妻精品综合一区二区| 91久久精品国产一区二区成人| 亚洲欧洲日产国产| 亚洲伊人久久精品综合| 汤姆久久久久久久影院中文字幕 | av在线观看视频网站免费| 国产免费一级a男人的天堂| 男女边摸边吃奶| 午夜日本视频在线| ponron亚洲| 国产女主播在线喷水免费视频网站 | 熟女电影av网| 国产白丝娇喘喷水9色精品| 免费大片黄手机在线观看| 尾随美女入室| 国产一区二区三区综合在线观看 | 天天一区二区日本电影三级| 久久亚洲国产成人精品v| 人妻制服诱惑在线中文字幕| 国产精品.久久久| 国产综合懂色| 国产大屁股一区二区在线视频| 麻豆国产97在线/欧美| 三级经典国产精品| 亚洲欧洲日产国产| 九九久久精品国产亚洲av麻豆| av免费观看日本| ponron亚洲| 精品国产露脸久久av麻豆 | av播播在线观看一区| 人人妻人人澡欧美一区二区| 日韩av不卡免费在线播放| 成人毛片60女人毛片免费| 国产免费福利视频在线观看| 亚洲国产高清在线一区二区三| 成人毛片60女人毛片免费| 国产女主播在线喷水免费视频网站 | 三级国产精品欧美在线观看| 一个人看的www免费观看视频| 日本熟妇午夜| av专区在线播放| 波野结衣二区三区在线| 亚洲精华国产精华液的使用体验| 精品亚洲乱码少妇综合久久| 日日啪夜夜爽| 免费看日本二区| 婷婷色av中文字幕| 免费看日本二区| 晚上一个人看的免费电影| 美女高潮的动态| 97精品久久久久久久久久精品| 毛片女人毛片| 久久午夜福利片| 少妇裸体淫交视频免费看高清| 国产成人精品婷婷| 亚洲一级一片aⅴ在线观看| 色吧在线观看| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 国产淫语在线视频| 成人亚洲精品av一区二区| 久久久久性生活片| 国产精品一区www在线观看| 亚洲国产色片| 亚洲av免费高清在线观看| 2021少妇久久久久久久久久久| 欧美xxxx黑人xx丫x性爽| 能在线免费看毛片的网站| 丰满少妇做爰视频| 欧美成人一区二区免费高清观看| 色播亚洲综合网| 亚洲综合精品二区| 国产69精品久久久久777片| 韩国av在线不卡| 少妇人妻精品综合一区二区| 亚洲欧美中文字幕日韩二区| 成年人午夜在线观看视频 | 大香蕉久久网| 国产三级在线视频| 国产精品久久久久久精品电影| 久久久久久久久大av| 国产 亚洲一区二区三区 | 男女下面进入的视频免费午夜| av又黄又爽大尺度在线免费看| 日韩av免费高清视频| 激情 狠狠 欧美| 色播亚洲综合网| 男插女下体视频免费在线播放| 熟女人妻精品中文字幕| 中文字幕亚洲精品专区| 亚洲精品国产av蜜桃| 亚洲人成网站在线播| 欧美丝袜亚洲另类| 午夜精品国产一区二区电影 | 人妻少妇偷人精品九色| 在线 av 中文字幕| 久久国内精品自在自线图片| 丰满少妇做爰视频| 国产av国产精品国产| 校园人妻丝袜中文字幕| 深爱激情五月婷婷| 少妇裸体淫交视频免费看高清| 搡老妇女老女人老熟妇| 欧美成人精品欧美一级黄| 国产伦精品一区二区三区四那| 色网站视频免费| 美女主播在线视频| 国产精品国产三级国产av玫瑰| 久久久精品欧美日韩精品| 性色avwww在线观看| 亚洲不卡免费看| 国产伦在线观看视频一区| 日本黄大片高清| 国产不卡一卡二| 欧美性猛交╳xxx乱大交人| 精品久久久精品久久久| 麻豆av噜噜一区二区三区| 观看免费一级毛片| 尾随美女入室| 夜夜看夜夜爽夜夜摸| 中文字幕av成人在线电影| 午夜日本视频在线| 日日啪夜夜撸| 看免费成人av毛片| 在线观看av片永久免费下载| 久久久久久久久大av| 国产精品一区二区三区四区久久| 青青草视频在线视频观看| 高清欧美精品videossex| 欧美丝袜亚洲另类| 亚洲精品乱码久久久v下载方式| av在线亚洲专区| 身体一侧抽搐| 国产午夜精品久久久久久一区二区三区| 免费av毛片视频| 噜噜噜噜噜久久久久久91| 久久97久久精品| 亚洲精品日本国产第一区| 99久国产av精品| 亚洲无线观看免费| 亚洲精品自拍成人| 狂野欧美激情性xxxx在线观看| 国产片特级美女逼逼视频| 精品一区二区三卡| 国内少妇人妻偷人精品xxx网站| 国产精品日韩av在线免费观看| 春色校园在线视频观看| 久久久久久久国产电影| 亚洲,欧美,日韩| 中文天堂在线官网| 亚洲精品色激情综合| 能在线免费看毛片的网站| 亚洲精品中文字幕在线视频 | 综合色丁香网| 日韩av在线大香蕉| 国产精品熟女久久久久浪| 非洲黑人性xxxx精品又粗又长| 久久久久久久国产电影| 免费少妇av软件| 尾随美女入室| 国产男女超爽视频在线观看| 久久久久久九九精品二区国产| 国产一区二区三区av在线| 国产精品久久久久久精品电影| 日韩av免费高清视频| 美女xxoo啪啪120秒动态图| 两个人视频免费观看高清| 日本一二三区视频观看| 能在线免费观看的黄片| 蜜桃亚洲精品一区二区三区| 亚洲av在线观看美女高潮| 日韩电影二区| 久久鲁丝午夜福利片| 久久久久久久久久久免费av| 精品国产露脸久久av麻豆 | 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 可以在线观看毛片的网站| 久久精品国产亚洲av涩爱| av福利片在线观看| 国产爱豆传媒在线观看| 精品久久久久久久久亚洲| 最近最新中文字幕免费大全7| 亚洲内射少妇av| 国精品久久久久久国模美| 2021少妇久久久久久久久久久| 免费在线观看成人毛片| 免费黄网站久久成人精品| 国产探花在线观看一区二区| 一个人看视频在线观看www免费| .国产精品久久| 在线观看av片永久免费下载| 精品久久久久久久久亚洲| 国产成年人精品一区二区| 偷拍熟女少妇极品色| 亚洲综合精品二区| 建设人人有责人人尽责人人享有的 | 毛片女人毛片| 美女高潮的动态| 极品少妇高潮喷水抽搐| 国产精品人妻久久久久久| 国产成人精品福利久久| 身体一侧抽搐| 久久久久精品久久久久真实原创| 少妇的逼好多水| 超碰av人人做人人爽久久| 春色校园在线视频观看| 国产69精品久久久久777片| 真实男女啪啪啪动态图| 欧美日本视频| 免费观看av网站的网址| 黄片无遮挡物在线观看| xxx大片免费视频| av在线播放精品| 精品一区二区三区视频在线| 国产一级毛片在线| 天堂网av新在线| 天天一区二区日本电影三级| 两个人的视频大全免费| 少妇被粗大猛烈的视频| 久久久久久国产a免费观看| av卡一久久| 99热这里只有是精品在线观看| 亚洲一区高清亚洲精品| 中文资源天堂在线| 91久久精品电影网| 亚洲精品,欧美精品| 丰满人妻一区二区三区视频av| 国产黄a三级三级三级人| 日本免费a在线| 久久久精品欧美日韩精品| 一二三四中文在线观看免费高清| 亚洲综合精品二区| 免费在线观看成人毛片| 熟妇人妻不卡中文字幕| 欧美97在线视频| 国产在线男女| 熟妇人妻久久中文字幕3abv| 色网站视频免费| 亚洲精品日韩在线中文字幕| 热99在线观看视频| 青春草亚洲视频在线观看| 国产精品熟女久久久久浪| 免费看日本二区| 人人妻人人看人人澡| 亚洲第一区二区三区不卡| 亚洲精品日韩av片在线观看| 亚州av有码| 一夜夜www| 亚洲精品第二区| 亚洲人成网站高清观看| 国产精品一区二区三区四区免费观看| 亚洲精品自拍成人| 国产 亚洲一区二区三区 | 精品一区在线观看国产| 最后的刺客免费高清国语| 成人二区视频| 国产成人午夜福利电影在线观看| av.在线天堂| 少妇被粗大猛烈的视频| 亚洲av电影在线观看一区二区三区 | 亚洲精品自拍成人| 97超视频在线观看视频| 久久韩国三级中文字幕| 超碰97精品在线观看| 国产在线男女| 国产精品一区二区性色av| 国产精品久久久久久精品电影| 亚洲精品影视一区二区三区av| 国产一级毛片在线| 国产伦理片在线播放av一区| ponron亚洲| 777米奇影视久久| 18禁裸乳无遮挡免费网站照片| 蜜桃久久精品国产亚洲av| 尾随美女入室| 亚洲精品,欧美精品| 一级毛片电影观看| 麻豆成人午夜福利视频| 国产成人精品一,二区| 久久久久久久久久人人人人人人| 哪个播放器可以免费观看大片| 久久久精品欧美日韩精品| 能在线免费观看的黄片| 国产日韩欧美在线精品| 免费观看在线日韩| 一级毛片 在线播放| 国产成人a∨麻豆精品| 国产精品蜜桃在线观看| 国产一区二区三区综合在线观看 | 精品久久久久久久久亚洲| 99九九线精品视频在线观看视频| 国产精品美女特级片免费视频播放器| 国产高清三级在线| 色网站视频免费| www.色视频.com| 久久午夜福利片| 久久久久久久久久久丰满| 精品酒店卫生间| av免费观看日本| av在线播放精品| 午夜福利成人在线免费观看| 国产一区二区三区综合在线观看 | 欧美bdsm另类| 日日干狠狠操夜夜爽| 久久精品久久久久久久性| 午夜免费男女啪啪视频观看| 国内少妇人妻偷人精品xxx网站| 国产成人精品婷婷| 免费黄网站久久成人精品| 少妇高潮的动态图| 日韩中字成人| 女人十人毛片免费观看3o分钟| 欧美日韩亚洲高清精品| 成年版毛片免费区| 国内揄拍国产精品人妻在线| 日韩av在线大香蕉| 亚洲精品乱码久久久v下载方式| 成年版毛片免费区| 国产精品久久久久久精品电影| 亚洲国产最新在线播放| 亚洲精品一区蜜桃| 成人亚洲欧美一区二区av| 热99在线观看视频| 一二三四中文在线观看免费高清| 欧美成人精品欧美一级黄| 成人高潮视频无遮挡免费网站| 久久99精品国语久久久| 国产精品精品国产色婷婷| 免费黄色在线免费观看| 国产又色又爽无遮挡免| 亚洲av国产av综合av卡| 亚洲最大成人手机在线| 老女人水多毛片| 国产午夜福利久久久久久| 亚洲av成人av| 女的被弄到高潮叫床怎么办| 欧美最新免费一区二区三区| 日本wwww免费看| 男女视频在线观看网站免费| 久久99热6这里只有精品| 久久精品国产亚洲av涩爱| 国产不卡一卡二| 色综合亚洲欧美另类图片| 最近中文字幕高清免费大全6| 狠狠精品人妻久久久久久综合| 久久久久久久久久人人人人人人| 美女国产视频在线观看| 国内精品宾馆在线| 国产又色又爽无遮挡免| 日韩欧美精品v在线| 69av精品久久久久久| 日本三级黄在线观看| 日本-黄色视频高清免费观看| 少妇的逼好多水| 久久精品国产亚洲网站| 99re6热这里在线精品视频| 久久久成人免费电影| 久久国内精品自在自线图片| a级一级毛片免费在线观看| 亚洲精品日韩在线中文字幕| 国产黄色小视频在线观看| 午夜福利成人在线免费观看| 国产黄片美女视频| 精品午夜福利在线看| 三级毛片av免费| 内射极品少妇av片p| 搡女人真爽免费视频火全软件| 一区二区三区乱码不卡18| 精品久久久噜噜| 亚洲av国产av综合av卡| 男人舔奶头视频| 久久久精品94久久精品| 蜜桃亚洲精品一区二区三区| 欧美日韩综合久久久久久| 日韩av免费高清视频| 嘟嘟电影网在线观看| 精品国产一区二区三区久久久樱花 | eeuss影院久久| 亚洲国产最新在线播放| 嘟嘟电影网在线观看| 少妇高潮的动态图| 日本午夜av视频| 亚洲av电影在线观看一区二区三区 | 激情 狠狠 欧美| 久久精品国产亚洲av天美| 全区人妻精品视频| 91久久精品国产一区二区三区| 成人亚洲精品av一区二区| 欧美xxⅹ黑人| 免费看美女性在线毛片视频| 亚洲图色成人| 国内少妇人妻偷人精品xxx网站| 免费少妇av软件| 午夜福利高清视频| 美女xxoo啪啪120秒动态图| 欧美成人午夜免费资源| 大话2 男鬼变身卡| 国产综合精华液| 日日啪夜夜爽| 男人舔奶头视频| 性插视频无遮挡在线免费观看| 成人一区二区视频在线观看| 亚洲精品日韩av片在线观看| 国模一区二区三区四区视频| 成人欧美大片| 婷婷色综合大香蕉| 老司机影院成人| 欧美人与善性xxx| 亚洲自偷自拍三级| 欧美3d第一页| 人体艺术视频欧美日本| 色综合站精品国产| 九九爱精品视频在线观看| 成人毛片60女人毛片免费| 国产黄色小视频在线观看| 真实男女啪啪啪动态图| 国产黄频视频在线观看| 国语对白做爰xxxⅹ性视频网站| 久久这里有精品视频免费| 在线观看一区二区三区| 久久久久网色| 日韩,欧美,国产一区二区三区| 日韩大片免费观看网站| 秋霞在线观看毛片| av天堂中文字幕网| 美女xxoo啪啪120秒动态图| 一级爰片在线观看| 国产 一区精品| 午夜精品在线福利| 伊人久久精品亚洲午夜| 国产精品一区二区三区四区久久| 欧美日韩亚洲高清精品| 亚洲精品视频女| 午夜福利在线观看吧| kizo精华| 国产 亚洲一区二区三区 | 久久久久网色| 大香蕉久久网| 噜噜噜噜噜久久久久久91| 日本一本二区三区精品| 国产一区二区在线观看日韩| 久99久视频精品免费| 精品国产一区二区三区久久久樱花 | 成人一区二区视频在线观看| 男人舔奶头视频| 好男人在线观看高清免费视频| 国产黄片美女视频| 深爱激情五月婷婷| 精品久久久久久久人妻蜜臀av| 日日撸夜夜添| 成年免费大片在线观看| 听说在线观看完整版免费高清| av天堂中文字幕网| 美女主播在线视频| 久久久久网色| 肉色欧美久久久久久久蜜桃 | 国国产精品蜜臀av免费| 中文字幕人妻熟人妻熟丝袜美| 欧美日韩精品成人综合77777| 亚洲人与动物交配视频| 欧美日韩一区二区视频在线观看视频在线 | 秋霞伦理黄片| 国产精品一及| 国产91av在线免费观看| 国产极品天堂在线| 国产淫片久久久久久久久| 熟女电影av网| 丝袜美腿在线中文| 97超碰精品成人国产| 又粗又硬又长又爽又黄的视频| 日本一本二区三区精品| 久久这里只有精品中国| 久热久热在线精品观看| 街头女战士在线观看网站| 日韩 亚洲 欧美在线| 亚洲第一区二区三区不卡| 精品久久久久久久末码| 看免费成人av毛片| 最近中文字幕高清免费大全6| kizo精华| 成人漫画全彩无遮挡| 免费av观看视频| 色哟哟·www| 国产欧美日韩精品一区二区| 中文精品一卡2卡3卡4更新| 国产大屁股一区二区在线视频| 3wmmmm亚洲av在线观看| 国产69精品久久久久777片| 久久久午夜欧美精品| 熟女人妻精品中文字幕| 国产精品一区二区性色av| 美女cb高潮喷水在线观看| 欧美日韩综合久久久久久| 18禁在线无遮挡免费观看视频| 网址你懂的国产日韩在线| 免费观看无遮挡的男女| 免费大片黄手机在线观看| 免费观看性生交大片5| 国产探花极品一区二区| 久久综合国产亚洲精品| 欧美高清成人免费视频www| 97在线视频观看| 少妇的逼水好多| 久久久精品94久久精品| 99久久精品一区二区三区| 天堂√8在线中文| 日韩视频在线欧美| 中文精品一卡2卡3卡4更新| 亚洲av成人精品一区久久| 国产精品无大码| 在线免费观看不下载黄p国产| 人妻夜夜爽99麻豆av| 国产亚洲av嫩草精品影院| 在线天堂最新版资源| 性色avwww在线观看| 网址你懂的国产日韩在线| 欧美激情在线99| h日本视频在线播放| 91在线精品国自产拍蜜月| 高清视频免费观看一区二区 | 极品少妇高潮喷水抽搐| 少妇被粗大猛烈的视频| 高清毛片免费看| 日本色播在线视频| 少妇熟女欧美另类| 男女啪啪激烈高潮av片| 久久久久性生活片| 国产精品无大码| 国产69精品久久久久777片| 亚洲精品日韩在线中文字幕| 99热全是精品| 日本与韩国留学比较| 麻豆av噜噜一区二区三区| 日日啪夜夜撸| 国产精品国产三级国产专区5o| 亚洲真实伦在线观看| 麻豆精品久久久久久蜜桃| 汤姆久久久久久久影院中文字幕 | 成人一区二区视频在线观看| 亚洲国产欧美在线一区| 夜夜爽夜夜爽视频| 国产成人精品婷婷| 日韩一区二区视频免费看| 一级毛片电影观看| 国产成人午夜福利电影在线观看| 国产精品爽爽va在线观看网站| 欧美日本视频| 女人十人毛片免费观看3o分钟| 免费大片黄手机在线观看| 午夜福利视频精品| 亚洲成人av在线免费|