• <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 ?

    基于多源信息的短期負荷混合預(yù)測模型應(yīng)用研究

    2019-10-11 03:07:56應(yīng)張馳陳淑萍盧旭航
    浙江電力 2019年9期
    關(guān)鍵詞:神經(jīng)元建模神經(jīng)網(wǎng)絡(luò)

    應(yīng)張馳,陳淑萍,盧旭航

    (國網(wǎng)浙江義烏市供電公司,浙江 義烏 322000)

    0 引言

    電力負荷預(yù)測是電力系統(tǒng)規(guī)劃決策的重要依據(jù)之一。 負荷數(shù)據(jù)記錄了用戶對電能的消耗情況,反映了用戶生產(chǎn)生活規(guī)律。在新的發(fā)展形勢下,提出更為精確的負荷預(yù)測方法對電力系統(tǒng)安全生產(chǎn)和優(yōu)質(zhì)服務(wù)有著非常重要的意義。

    目前流行的負荷預(yù)測方法主要有經(jīng)典時間序列法、指數(shù)平滑法、人工神經(jīng)網(wǎng)絡(luò)法、模糊預(yù)測法、支持向量機、專家系統(tǒng)、灰色模型等[1-7]。這些預(yù)測方法都具有各自的優(yōu)缺點,比如傳統(tǒng)算法運算量較小,但擬合能力不足;ARIMA(自回歸移動平均)方法建模能力非常優(yōu)秀,但由于其只考慮歷史數(shù)據(jù)的變化而不直接考慮其他因素對時間序列的影響,預(yù)測精度存在提升空間;支持向量機具有計算速度快、全局最優(yōu)和泛化能力強的優(yōu)點,但對模糊現(xiàn)象的處理能力較為缺乏[8];人工神經(jīng)網(wǎng)絡(luò)對多源信息具有較強的學(xué)習和自適應(yīng)功能,但也存在著網(wǎng)格結(jié)構(gòu)難以確定、收斂緩慢等缺陷[9]。

    用戶對電能的消耗除了受自身生活規(guī)律影響以外,也受周邊環(huán)境、事件等因素影響。隨著智能電網(wǎng)的發(fā)展,更多智能化設(shè)備的引入為電力系統(tǒng)狀態(tài)監(jiān)控和預(yù)測提供了更多借鑒信息??紤]到ARIMA 對時間序列的良好建模能力,以及人工神經(jīng)網(wǎng)絡(luò)對多源信息的強大利用效率,本文將兩者相結(jié)合,提出一種基于ARIMA 和人工神經(jīng)網(wǎng)絡(luò)的混合預(yù)測模型,首先利用ARIMA 模型得到時間序列預(yù)測值,再將預(yù)測值及其他多源信息送入神經(jīng)網(wǎng)絡(luò)模型中進行訓(xùn)練,以期取得更好的預(yù)測效果。

    1 ARIMA 預(yù)測模型

    1.1 模型簡介

    ARIMA 模型是由Box 和Jenkins 提出的一種時間序列建模方法,分為AR(自回歸過程模型)與MA(移動平均過程模型)兩大類。兩者都是預(yù)測未來數(shù)據(jù)的方法,但前者以原序列滯后變量為依據(jù),后者以過去的誤差項為依據(jù),2 種方法同時使用,就轉(zhuǎn)化為ARIMA(自回歸移動平均模型)。由于構(gòu)建ARIMA 模型要求時間序列平穩(wěn),對于非平穩(wěn)時間序列,一般經(jīng)過若干次差分計算后轉(zhuǎn)化為平穩(wěn)時間序列后再進行建模[10]。理論上,對于序列yt的ARIMA 建模數(shù)學(xué)描述為:

    式中:Δdyt為yt經(jīng)d 次差分轉(zhuǎn)換后得到的平穩(wěn)時間序列,將其表達為由若干歷史數(shù)據(jù)和誤差值組成的相關(guān)函數(shù);εt為t 時刻的隨機誤差,具體為相互獨立的白噪聲序列;?i和θj為模型參數(shù);p和q 為模型階數(shù)。模型整體簡記為ARIMA(p,d,q)[12]。

    1.2 建模方法

    ARIMA 模型建模步驟可以分為以下步驟:

    (1)序列平穩(wěn)化。通過若干次差分運算,將非平穩(wěn)時間序列轉(zhuǎn)換為平穩(wěn)時間序列。

    (2)模型階數(shù)識別。通過樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù),確定模型階數(shù)p 和q,一般來說,相關(guān)系數(shù)衰減幅度大時從p=1 和q=1 開始逐步擬合,當衰減幅度小時,從較大的p,q 取值開始擬合。

    (3)參數(shù)估計和模型檢驗。按照模型評價指標對模型進行評價,并對殘差序列圖進行隨機性檢驗。

    (4)模型預(yù)測。按照選取的參數(shù)模型對未來趨勢進行預(yù)測[13]。

    2 人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型

    2.1 模型簡介

    人工神經(jīng)網(wǎng)絡(luò)是目前人工智能領(lǐng)域的研究熱點,在負荷預(yù)測領(lǐng)域被廣泛使用。神經(jīng)網(wǎng)絡(luò)由大量神經(jīng)元相互連接構(gòu)成,每個節(jié)點代表一次函數(shù)運算。通過節(jié)點間的相互作用,神經(jīng)網(wǎng)絡(luò)可以完成對時間序列或函數(shù)的擬合逼近工作。

    本文使用主流的BP(反向傳播)人工神經(jīng)網(wǎng)絡(luò)來構(gòu)造預(yù)測模型。多層BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示,它是一種單向傳播的多層學(xué)習網(wǎng)絡(luò),其中第1 層稱為輸入層,最后一層(第L 層)被稱為輸出層,其它各層均被稱為隱含層。其主要特點是信號向前傳遞,誤差向后傳播,從而不斷調(diào)節(jié)神經(jīng)元的權(quán)重值,最終使誤差函數(shù)減小到某個閾值,得到最優(yōu)擬合結(jié)果。神經(jīng)網(wǎng)絡(luò)具有較強的學(xué)習能力和非線性映射能力[14]。

    圖1 BP 神經(jīng)網(wǎng)絡(luò)示意

    2.2 具體算法

    BP 神經(jīng)網(wǎng)絡(luò)算法基于梯度下降法提出[15]。設(shè)網(wǎng)絡(luò)共L 層,第l 層神經(jīng)元個數(shù)為nl,l-1 層第i個神經(jīng)元和l 層第i 個神經(jīng)元的連接權(quán)值為,l-1 層第j 個神經(jīng)元輸出為,f 為激活函數(shù),則l 層輸出為:

    任意設(shè)置網(wǎng)絡(luò)的初值和權(quán)值,對輸入樣本p,網(wǎng)絡(luò)輸出opi和期望輸出dpi的誤差E 為:

    進而得到權(quán)值修正公式為:

    式中:η 為學(xué)習速度,用于加快網(wǎng)絡(luò)收斂速度;δjp為第l 層j 節(jié)點的模式誤差項。神經(jīng)網(wǎng)絡(luò)根據(jù)上述公式進行迭代計算,直至誤差滿足要求。

    3 建模實例

    3.1 ARIMA 預(yù)測模型構(gòu)建

    本文以某企業(yè)2018 年1 月1 日—2018 年7月30 日的日平均負荷作為預(yù)測樣本。按照建模步驟,首先對歷史負荷數(shù)據(jù)進行預(yù)處理,再對負荷數(shù)據(jù)時間序列及其差分序列進行ADF(單位根)檢驗,選擇顯著性水平為1%,檢驗結(jié)果如表1所示。由表1 可知,某企業(yè)歷史負荷數(shù)據(jù)原始序列非平穩(wěn),一階和二階差分序列平穩(wěn)。由于差分階數(shù)增加會導(dǎo)致預(yù)測誤差增大,故選取一階差分序列進行后續(xù)預(yù)測。

    表1 時間序列各階ADF 檢驗結(jié)果

    對時間序列相關(guān)系數(shù)進行分析,其衰減速度較快,所以從較小的p,q 值開始擬合。使用遍歷方法構(gòu)造ARIMA 模型,選取綜合評價指標最高的模型,對2018 年8 月1—20 日的負荷數(shù)據(jù)進行預(yù)測。 研究中發(fā)現(xiàn),模型準確率為94.60%,ARIMA 構(gòu)造方法準確擬合了該企業(yè)負荷趨勢,但在精確度上仍稍顯不足。進而使用BP 神經(jīng)網(wǎng)絡(luò)對其進行混合預(yù)測分析。

    3.2 確定輸入變量

    3.2.1 變量輸入

    神經(jīng)網(wǎng)絡(luò)搭建過程中,首先需要確定輸入變量。根據(jù)資料和工作經(jīng)驗,列舉可能影響負荷數(shù)據(jù)的因素,歸納為以下3 個維度[16]。

    (1)用戶基礎(chǔ)信息。此類信息直接反映用戶的基本屬性,包括使用年限、電壓等級、受電容量等。

    (2)氣象信息。氣象信息一定程度上關(guān)系到用戶用電強度情況,如企業(yè)季節(jié)性訂單等。從電力氣候?qū)W角度,選擇最高溫度、最低溫度、風力、濕度、天氣信息作為輸入變量。

    (3)用戶歷史數(shù)據(jù)。本文以天為預(yù)測單位,包括過去14 天的負荷平均值,以及預(yù)測日工作日信息等。

    輸入變量如表2 所示。

    表2 輸入變量清單

    3.2.2 數(shù)據(jù)預(yù)處理

    數(shù)據(jù)收集完成后,需要對數(shù)據(jù)進行預(yù)處理。主要包括以下方式:

    (1)對不一致、異常波動的數(shù)據(jù)進行替換。異常波動定義為t 時刻點的數(shù)據(jù)值超出t-1 與t+1數(shù)據(jù)值100%以上或低于30%。用t-1 和t+1 時刻的數(shù)據(jù)平均值進行填補。

    (2)數(shù)據(jù)編碼。觀察表2 數(shù)據(jù)集,其中電壓等級、受電容量、用電類別、天氣類別4 項特征為因子型變量,其他特征為數(shù)值型變量。部分數(shù)據(jù)編碼如表3 所示。

    表3 部分天氣數(shù)據(jù)編碼情況

    按照表3 所示,本文將天氣數(shù)據(jù)分為晴、多云、陰、雨4 類,使用同種思路對其他3 項特征進行編碼,其中電壓等級分為220 V,380 V,10 kV 3 類;用電類別分為大工業(yè)電價、一般工商業(yè)電價、居民電價、農(nóng)業(yè)生產(chǎn)用電4 類;受電容量按10 kW 以下,10~50 kW,50~400 kW,400 kW以上分為4 類,共15 個因子型輸入。數(shù)值型變量包括使用年限、最高溫度、最低溫度、平均濕度、風力等級、14 天歷史負荷、上月同期負荷、工作日標簽、預(yù)測日ARIMA 預(yù)測值共22 條。綜上所述,輸入神經(jīng)元數(shù)量總數(shù)為37 個。

    (3)數(shù)據(jù)歸一化。數(shù)值型變量的量綱與量級不一致,因此使用0-1 標準化的方式進行歸一化處理。

    3.3 神經(jīng)網(wǎng)絡(luò)模型預(yù)測

    本文選擇使用38×64×1 的全連接3 層BP 神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練,訓(xùn)練函數(shù)采用trainlm 函數(shù),隱含層神經(jīng)元函數(shù)采用tansig 函數(shù),輸出層神經(jīng)元函數(shù)采用purelin 函數(shù)。通過不斷調(diào)整迭代次數(shù)、學(xué)習率參數(shù)和收斂誤差參數(shù),最終建立的混合預(yù)測模型準確率為96.13%。各負荷預(yù)測模型結(jié)果如圖2 所示。

    圖2 負荷預(yù)測模型擬合結(jié)果

    由圖2 可知,混合預(yù)測模型更接近實際負荷;ARIMA 對時間序列趨勢描述較好,但精度較低,這主要是由于該模型無法引入外部信息,進而無法量化外部擾動產(chǎn)生的誤差;神經(jīng)網(wǎng)絡(luò)在負荷均值附近表現(xiàn)良好,但在低谷處表現(xiàn)不佳,這主要是受限于網(wǎng)絡(luò)訓(xùn)練樣本不足,考慮在避免過擬合的情況下,適當增加每日負荷取點數(shù)量。

    3 種方法的日負荷預(yù)測結(jié)果相對誤差,如表4 所示,進一步顯示了混合預(yù)測的優(yōu)勢??梢钥闯?,在大部分日期,混合預(yù)測的相對誤差較小,平均比ARIMA 預(yù)測誤差率減少1.53%,比神經(jīng)網(wǎng)絡(luò)預(yù)測誤差率減少2.85%。

    表4 某企業(yè)日負荷預(yù)測結(jié)果相對誤差對比

    3.4 模型結(jié)果

    基于負荷混合預(yù)測模型成果,在某市隨機選擇100 戶受電容量大于315 kVA 的工業(yè)用戶,按照10 天、20 天、30 天的時間跨度對其2018 年8月負荷數(shù)據(jù)進行預(yù)測,并與單獨使用ARIMA 和神經(jīng)網(wǎng)絡(luò)方法進行比較。3 種預(yù)測方法的整體結(jié)果如表5 所示,可以看出,使用混合預(yù)測模型的誤差明顯低于單獨使用ARIMA 和神經(jīng)網(wǎng)絡(luò)方法的預(yù)測誤差??梢哉J為,采用此方法進行負荷預(yù)測是可行的。同時發(fā)現(xiàn),當預(yù)測時長在30 天以上時,預(yù)測誤差將迅速超過10%,開展中期負荷預(yù)測需要對特征值進行重新選擇。

    表5 不同模型平均預(yù)測誤差比較

    4 結(jié)語

    本文提出了一種基于ARIMA 和神經(jīng)網(wǎng)絡(luò)的日負荷預(yù)測方法。首先利用ARIMA 優(yōu)秀的時間序列建模能力擬合時間序列整體趨勢,再利用神經(jīng)網(wǎng)絡(luò)的非線性擬合能力提升細節(jié)精度,取長補短,將盡可能多的用戶信息組合到預(yù)測模型當中,提升了預(yù)測穩(wěn)定性和準確度。實驗結(jié)果表明,利用該混合預(yù)測模型進行預(yù)測時,20 天整體預(yù)測準確率達到96.20%,效果良好。通過本算法思路可以拓展得到全網(wǎng)、各市縣(區(qū)域)、各行業(yè)乃至居民用戶的未來負荷數(shù)據(jù),有助于更加準確地把握各區(qū)域(行業(yè)、用戶)發(fā)展情況,輔助供電企業(yè)進行決策。

    本文研究對象主要為工業(yè)用戶。工業(yè)用戶一般都具有較為明顯的周期性特征,在ARIMA 建模方面有天然優(yōu)勢。 隨著新能源技術(shù)的日益完善,光伏用戶數(shù)量不斷增多。光伏用戶不受工作日影響,而受氣象因素影響更大,與普通工業(yè)用戶屬性有較多不同。在以后的研究中,可以采用聚類算法[18]對不同屬性用戶分別建立預(yù)測模型,以期獲得更好的預(yù)測效果。

    猜你喜歡
    神經(jīng)元建模神經(jīng)網(wǎng)絡(luò)
    《從光子到神經(jīng)元》書評
    自然雜志(2021年6期)2021-12-23 08:24:46
    聯(lián)想等效,拓展建模——以“帶電小球在等效場中做圓周運動”為例
    神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    基于PSS/E的風電場建模與動態(tài)分析
    電子制作(2018年17期)2018-09-28 01:56:44
    不對稱半橋變換器的建模與仿真
    躍動的神經(jīng)元——波蘭Brain Embassy聯(lián)合辦公
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機控制模型建立
    重型機械(2016年1期)2016-03-01 03:42:04
    復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
    基于二次型單神經(jīng)元PID的MPPT控制
    毫米波導(dǎo)引頭預(yù)定回路改進單神經(jīng)元控制
    男人操女人黄网站| 亚洲中文av在线| 赤兔流量卡办理| 午夜福利影视在线免费观看| 一级毛片我不卡| 久久久久人妻精品一区果冻| 日韩制服骚丝袜av| 亚洲伊人久久精品综合| 少妇的逼好多水| 美女xxoo啪啪120秒动态图| 热re99久久国产66热| 看免费av毛片| 18禁在线无遮挡免费观看视频| 久久国内精品自在自线图片| 日日摸夜夜添夜夜爱| 亚洲av成人精品一二三区| 91aial.com中文字幕在线观看| 欧美精品一区二区免费开放| 蜜臀久久99精品久久宅男| 天天操日日干夜夜撸| 国产精品一国产av| 精品人妻偷拍中文字幕| 精品一区二区三区四区五区乱码 | 久久精品国产综合久久久 | 少妇被粗大的猛进出69影院 | 捣出白浆h1v1| 精品人妻偷拍中文字幕| 一本色道久久久久久精品综合| 国产视频首页在线观看| 美国免费a级毛片| 国产老妇伦熟女老妇高清| 综合色丁香网| 午夜免费鲁丝| 国语对白做爰xxxⅹ性视频网站| 最近2019中文字幕mv第一页| 蜜桃国产av成人99| 午夜视频国产福利| 黄色配什么色好看| 日韩不卡一区二区三区视频在线| 黄色毛片三级朝国网站| 韩国精品一区二区三区 | 免费大片18禁| 蜜桃国产av成人99| 久久久久精品人妻al黑| 精品一区二区免费观看| 99久久精品国产国产毛片| 十八禁高潮呻吟视频| 伦理电影大哥的女人| av免费观看日本| 黑人欧美特级aaaaaa片| 国产精品蜜桃在线观看| 亚洲色图 男人天堂 中文字幕 | 女人被躁到高潮嗷嗷叫费观| 国产成人一区二区在线| 国产 一区精品| 久久ye,这里只有精品| 熟女人妻精品中文字幕| 亚洲国产看品久久| 视频在线观看一区二区三区| 校园人妻丝袜中文字幕| 国产深夜福利视频在线观看| 国产成人精品在线电影| 最近最新中文字幕免费大全7| 国产成人a∨麻豆精品| 天天躁夜夜躁狠狠躁躁| 成人亚洲欧美一区二区av| 搡女人真爽免费视频火全软件| 高清不卡的av网站| 另类精品久久| 午夜福利,免费看| 街头女战士在线观看网站| 丰满迷人的少妇在线观看| 亚洲精品成人av观看孕妇| 少妇的逼水好多| 蜜臀久久99精品久久宅男| 9色porny在线观看| 自线自在国产av| 女性生殖器流出的白浆| 日韩不卡一区二区三区视频在线| 日韩免费高清中文字幕av| 免费黄频网站在线观看国产| 欧美精品一区二区大全| 丰满迷人的少妇在线观看| 性色av一级| 色5月婷婷丁香| 中文欧美无线码| 国产综合精华液| 黄色 视频免费看| 亚洲久久久国产精品| 午夜av观看不卡| 91在线精品国自产拍蜜月| 久热久热在线精品观看| 色网站视频免费| av免费在线看不卡| 九色亚洲精品在线播放| 国产伦理片在线播放av一区| 街头女战士在线观看网站| av国产精品久久久久影院| 久久久久久久大尺度免费视频| 国产欧美亚洲国产| 日韩三级伦理在线观看| 青春草国产在线视频| 18禁国产床啪视频网站| 欧美日韩精品成人综合77777| 亚洲欧美日韩卡通动漫| 在线观看一区二区三区激情| 日韩av不卡免费在线播放| 多毛熟女@视频| 成年人午夜在线观看视频| 久久婷婷青草| 国产熟女午夜一区二区三区| 嫩草影院入口| 精品视频人人做人人爽| 蜜臀久久99精品久久宅男| 视频中文字幕在线观看| 国产日韩欧美亚洲二区| 亚洲国产精品一区二区三区在线| 久久人人爽av亚洲精品天堂| 国产在线一区二区三区精| 熟女电影av网| 男女国产视频网站| 天天躁夜夜躁狠狠躁躁| 伊人亚洲综合成人网| 狂野欧美激情性xxxx在线观看| 建设人人有责人人尽责人人享有的| 青春草视频在线免费观看| 人人妻人人澡人人爽人人夜夜| 免费观看a级毛片全部| 精品第一国产精品| 在线免费观看不下载黄p国产| 巨乳人妻的诱惑在线观看| 国产高清不卡午夜福利| 国产精品无大码| 午夜免费鲁丝| 亚洲少妇的诱惑av| a级毛片在线看网站| 亚洲av电影在线观看一区二区三区| 侵犯人妻中文字幕一二三四区| 国产淫语在线视频| 满18在线观看网站| 欧美性感艳星| 国产亚洲精品第一综合不卡 | 亚洲精品日本国产第一区| 国产又色又爽无遮挡免| 日本午夜av视频| 亚洲成人手机| av视频免费观看在线观看| 中文欧美无线码| 18禁在线无遮挡免费观看视频| 久久国产精品男人的天堂亚洲 | 国产日韩欧美视频二区| 免费高清在线观看日韩| 男女高潮啪啪啪动态图| 高清毛片免费看| 免费女性裸体啪啪无遮挡网站| 欧美另类一区| 亚洲美女搞黄在线观看| 久久免费观看电影| 精品少妇内射三级| 久久毛片免费看一区二区三区| 欧美人与性动交α欧美精品济南到 | 这个男人来自地球电影免费观看 | 国产男女内射视频| 中文字幕亚洲精品专区| 男女边摸边吃奶| 黄片播放在线免费| 亚洲欧美色中文字幕在线| 丝袜人妻中文字幕| 成人无遮挡网站| 男女无遮挡免费网站观看| 欧美亚洲 丝袜 人妻 在线| 男男h啪啪无遮挡| 欧美97在线视频| av在线观看视频网站免费| 少妇猛男粗大的猛烈进出视频| 久久国产精品男人的天堂亚洲 | 精品人妻一区二区三区麻豆| 最新的欧美精品一区二区| 亚洲精品av麻豆狂野| tube8黄色片| 1024视频免费在线观看| 日韩欧美精品免费久久| 深夜精品福利| 国产成人精品婷婷| 久久人人97超碰香蕉20202| 天堂中文最新版在线下载| 伦理电影免费视频| 亚洲欧美色中文字幕在线| 大香蕉久久成人网| 纯流量卡能插随身wifi吗| 你懂的网址亚洲精品在线观看| av一本久久久久| 久久久久久人人人人人| 最近最新中文字幕大全免费视频 | 免费看光身美女| 少妇的丰满在线观看| 欧美丝袜亚洲另类| 国产免费福利视频在线观看| 日日摸夜夜添夜夜爱| 男人添女人高潮全过程视频| 少妇人妻 视频| 亚洲精品日本国产第一区| 99re6热这里在线精品视频| 亚洲av男天堂| 纯流量卡能插随身wifi吗| 大陆偷拍与自拍| 国国产精品蜜臀av免费| 晚上一个人看的免费电影| 久久久久久久久久人人人人人人| 国产日韩一区二区三区精品不卡| 狠狠婷婷综合久久久久久88av| 久久人人爽人人爽人人片va| 国产精品国产三级国产专区5o| videosex国产| 久久综合国产亚洲精品| 日韩精品免费视频一区二区三区 | 欧美成人午夜精品| 男女下面插进去视频免费观看 | 香蕉丝袜av| 久久午夜综合久久蜜桃| 青春草视频在线免费观看| 少妇被粗大猛烈的视频| 亚洲精品日本国产第一区| 看免费成人av毛片| 狂野欧美激情性xxxx在线观看| 欧美丝袜亚洲另类| 亚洲精品一二三| 最新中文字幕久久久久| 国产无遮挡羞羞视频在线观看| 99视频精品全部免费 在线| 丰满迷人的少妇在线观看| 国产色爽女视频免费观看| 日本与韩国留学比较| 国产在视频线精品| 涩涩av久久男人的天堂| 成人午夜精彩视频在线观看| 99久国产av精品国产电影| 国产爽快片一区二区三区| 欧美激情 高清一区二区三区| 精品熟女少妇av免费看| www.色视频.com| 青青草视频在线视频观看| 国产深夜福利视频在线观看| 香蕉丝袜av| 精品久久久久久电影网| 春色校园在线视频观看| h视频一区二区三区| 成人国产麻豆网| 日韩一区二区三区影片| 亚洲精品aⅴ在线观看| 免费观看无遮挡的男女| 国产毛片在线视频| 黑人猛操日本美女一级片| 亚洲av在线观看美女高潮| 欧美亚洲 丝袜 人妻 在线| 大香蕉97超碰在线| 国产熟女欧美一区二区| 国产1区2区3区精品| 少妇被粗大的猛进出69影院 | 亚洲欧美清纯卡通| 女人久久www免费人成看片| 一级毛片电影观看| 精品一品国产午夜福利视频| 亚洲成国产人片在线观看| 国产成人欧美| 国产黄色免费在线视频| 成年人午夜在线观看视频| 波野结衣二区三区在线| 亚洲色图综合在线观看| 精品少妇黑人巨大在线播放| 亚洲情色 制服丝袜| 国产免费又黄又爽又色| 亚洲综合色惰| 亚洲av在线观看美女高潮| 国产精品无大码| 国产成人aa在线观看| 欧美日韩综合久久久久久| 免费大片18禁| 久久av网站| 一级片'在线观看视频| 亚洲美女搞黄在线观看| 99热国产这里只有精品6| 亚洲五月色婷婷综合| 亚洲av日韩在线播放| 午夜福利视频精品| 91精品三级在线观看| 色哟哟·www| 精品亚洲乱码少妇综合久久| 亚洲天堂av无毛| 大香蕉97超碰在线| 狠狠婷婷综合久久久久久88av| 亚洲 欧美一区二区三区| 男人添女人高潮全过程视频| 在线观看三级黄色| 黑人巨大精品欧美一区二区蜜桃 | 丝袜喷水一区| 亚洲一级一片aⅴ在线观看| 狠狠精品人妻久久久久久综合| 国产黄色免费在线视频| 亚洲精品第二区| 纵有疾风起免费观看全集完整版| 在线 av 中文字幕| 亚洲av电影在线进入| 视频中文字幕在线观看| 在线精品无人区一区二区三| 亚洲av电影在线观看一区二区三区| 精品一品国产午夜福利视频| 国产男女内射视频| 成年女人在线观看亚洲视频| 日韩精品有码人妻一区| 熟妇人妻不卡中文字幕| 少妇被粗大猛烈的视频| 亚洲av综合色区一区| 这个男人来自地球电影免费观看 | 一区二区三区精品91| 中国国产av一级| a级毛色黄片| 久久国产精品男人的天堂亚洲 | 美女国产高潮福利片在线看| 亚洲,欧美精品.| 最黄视频免费看| 国产成人免费无遮挡视频| 国产亚洲av片在线观看秒播厂| a级片在线免费高清观看视频| 纵有疾风起免费观看全集完整版| 一级毛片 在线播放| 天美传媒精品一区二区| 国产精品久久久久久久久免| 伦理电影大哥的女人| 精品久久久久久电影网| 国产1区2区3区精品| 女人被躁到高潮嗷嗷叫费观| 免费大片黄手机在线观看| 欧美亚洲 丝袜 人妻 在线| 嫩草影院入口| 人妻 亚洲 视频| 新久久久久国产一级毛片| 69精品国产乱码久久久| 婷婷成人精品国产| 久久99精品国语久久久| 一级黄片播放器| 久久99一区二区三区| 春色校园在线视频观看| 亚洲第一区二区三区不卡| 亚洲婷婷狠狠爱综合网| 美女脱内裤让男人舔精品视频| 大片免费播放器 马上看| 性高湖久久久久久久久免费观看| 国产1区2区3区精品| 亚洲国产日韩一区二区| 日韩成人av中文字幕在线观看| 午夜福利,免费看| 亚洲av电影在线观看一区二区三区| 亚洲人成网站在线观看播放| 国产日韩一区二区三区精品不卡| 欧美人与善性xxx| 多毛熟女@视频| 日韩欧美一区视频在线观看| 多毛熟女@视频| 久久这里有精品视频免费| 日韩av免费高清视频| 免费少妇av软件| 亚洲国产欧美在线一区| 久久精品aⅴ一区二区三区四区 | 亚洲精品av麻豆狂野| 国产一区二区三区综合在线观看 | 色网站视频免费| 精品国产国语对白av| 国产男女超爽视频在线观看| 中文字幕精品免费在线观看视频 | 亚洲人与动物交配视频| 久久99精品国语久久久| 婷婷成人精品国产| 久久久久精品久久久久真实原创| 伊人久久国产一区二区| 少妇的丰满在线观看| 国产精品久久久av美女十八| 精品午夜福利在线看| 亚洲国产毛片av蜜桃av| 国产激情久久老熟女| 男人添女人高潮全过程视频| 激情五月婷婷亚洲| 日韩成人伦理影院| 人人妻人人添人人爽欧美一区卜| 成年人免费黄色播放视频| xxxhd国产人妻xxx| 性高湖久久久久久久久免费观看| 咕卡用的链子| 免费女性裸体啪啪无遮挡网站| 国产精品久久久久成人av| 亚洲欧美精品自产自拍| 国产精品久久久久久精品电影小说| 精品福利永久在线观看| 侵犯人妻中文字幕一二三四区| 婷婷色麻豆天堂久久| 久久久久国产精品人妻一区二区| 蜜臀久久99精品久久宅男| 欧美3d第一页| 成人国产麻豆网| 久久精品国产鲁丝片午夜精品| 菩萨蛮人人尽说江南好唐韦庄| 国产乱人偷精品视频| 我的女老师完整版在线观看| 午夜影院在线不卡| 久久久精品94久久精品| 99re6热这里在线精品视频| 一区二区三区四区激情视频| 久久国产精品大桥未久av| 亚洲综合精品二区| 亚洲av欧美aⅴ国产| 熟女人妻精品中文字幕| 成人手机av| 亚洲精品中文字幕在线视频| 日韩精品有码人妻一区| 一个人免费看片子| 亚洲综合色网址| 精品国产一区二区三区久久久樱花| 青青草视频在线视频观看| 在线天堂中文资源库| 一二三四中文在线观看免费高清| 精品国产露脸久久av麻豆| 亚洲精品国产av成人精品| 在线看a的网站| 曰老女人黄片| 18在线观看网站| 婷婷色av中文字幕| 又大又黄又爽视频免费| 精品亚洲成a人片在线观看| 免费不卡的大黄色大毛片视频在线观看| 精品国产一区二区三区四区第35| 一级毛片电影观看| 欧美日本中文国产一区发布| 好男人视频免费观看在线| 人体艺术视频欧美日本| 男人爽女人下面视频在线观看| 久久久久久久久久久久大奶| 久久久精品区二区三区| 草草在线视频免费看| 伊人亚洲综合成人网| 麻豆精品久久久久久蜜桃| 日本色播在线视频| 新久久久久国产一级毛片| 大片电影免费在线观看免费| 色5月婷婷丁香| 一二三四中文在线观看免费高清| av.在线天堂| 曰老女人黄片| 亚洲av国产av综合av卡| 欧美成人精品欧美一级黄| 亚洲国产精品专区欧美| 在线观看一区二区三区激情| 亚洲欧洲国产日韩| 国产精品99久久99久久久不卡 | 亚洲精品美女久久久久99蜜臀 | 久久人妻熟女aⅴ| 成人国语在线视频| av线在线观看网站| 久久久久精品久久久久真实原创| 国产一级毛片在线| 欧美精品一区二区免费开放| 欧美成人午夜精品| 最新的欧美精品一区二区| 51国产日韩欧美| av.在线天堂| 亚洲综合精品二区| 插逼视频在线观看| 精品国产国语对白av| 免费av不卡在线播放| 日日爽夜夜爽网站| 国产一区二区三区综合在线观看 | 国产毛片在线视频| 人人澡人人妻人| 亚洲,欧美,日韩| 国产日韩一区二区三区精品不卡| 97超碰精品成人国产| √禁漫天堂资源中文www| 精品一品国产午夜福利视频| 国产精品免费大片| 天天影视国产精品| 亚洲av男天堂| 老熟女久久久| 亚洲国产av新网站| 十八禁高潮呻吟视频| 国产成人免费观看mmmm| 精品人妻一区二区三区麻豆| 香蕉国产在线看| 在线免费观看不下载黄p国产| 亚洲av欧美aⅴ国产| 亚洲人与动物交配视频| 美女大奶头黄色视频| 久久精品国产综合久久久 | 午夜免费鲁丝| 午夜视频国产福利| 国产精品免费大片| 日韩视频在线欧美| 国产麻豆69| 久久人人97超碰香蕉20202| 欧美人与性动交α欧美精品济南到 | 欧美日韩成人在线一区二区| 亚洲国产色片| 中文字幕另类日韩欧美亚洲嫩草| 啦啦啦视频在线资源免费观看| 国产精品不卡视频一区二区| 日本猛色少妇xxxxx猛交久久| 免费黄频网站在线观看国产| av片东京热男人的天堂| 18禁观看日本| 人妻系列 视频| 国产永久视频网站| 秋霞在线观看毛片| av免费观看日本| 九九爱精品视频在线观看| 五月伊人婷婷丁香| 久久精品夜色国产| 大话2 男鬼变身卡| 中文字幕精品免费在线观看视频 | 婷婷成人精品国产| 日韩中文字幕视频在线看片| 欧美激情 高清一区二区三区| 成人无遮挡网站| 亚洲精品视频女| 久热久热在线精品观看| 国产男人的电影天堂91| 久久久久精品人妻al黑| 国产精品嫩草影院av在线观看| 香蕉国产在线看| 欧美精品高潮呻吟av久久| 在线观看国产h片| 久久女婷五月综合色啪小说| 少妇 在线观看| 草草在线视频免费看| 80岁老熟妇乱子伦牲交| 亚洲婷婷狠狠爱综合网| 国产黄色免费在线视频| 老熟女久久久| 搡老乐熟女国产| 人体艺术视频欧美日本| 韩国高清视频一区二区三区| 亚洲av男天堂| 人妻一区二区av| 夜夜骑夜夜射夜夜干| 欧美精品一区二区免费开放| 精品99又大又爽又粗少妇毛片| 国产国语露脸激情在线看| 国产在线一区二区三区精| 国产国语露脸激情在线看| 中文字幕免费在线视频6| 日韩伦理黄色片| 久久久久久人妻| av片东京热男人的天堂| videos熟女内射| 国产国拍精品亚洲av在线观看| 欧美97在线视频| 成人影院久久| 国产欧美亚洲国产| 午夜福利影视在线免费观看| 国产女主播在线喷水免费视频网站| 少妇熟女欧美另类| 午夜av观看不卡| av线在线观看网站| 中文精品一卡2卡3卡4更新| 亚洲精品久久成人aⅴ小说| 国产日韩一区二区三区精品不卡| 九草在线视频观看| av电影中文网址| 久久免费观看电影| 飞空精品影院首页| 亚洲一级一片aⅴ在线观看| 久久久国产欧美日韩av| 国产激情久久老熟女| 人人妻人人爽人人添夜夜欢视频| 嫩草影院入口| 在线看a的网站| 久久99热6这里只有精品| 国产极品粉嫩免费观看在线| 久久精品国产鲁丝片午夜精品| 国产成人精品婷婷| 欧美老熟妇乱子伦牲交| av国产精品久久久久影院| 日本免费在线观看一区| 人妻少妇偷人精品九色| 黄片无遮挡物在线观看| 国产深夜福利视频在线观看| 国产国拍精品亚洲av在线观看| 人人妻人人爽人人添夜夜欢视频| 欧美日韩视频高清一区二区三区二| 久久久久精品人妻al黑| 咕卡用的链子| 22中文网久久字幕| 国产精品久久久久久久久免| 99久久中文字幕三级久久日本| 国产日韩欧美在线精品| 国产一区亚洲一区在线观看| 亚洲国产毛片av蜜桃av| 少妇的丰满在线观看| 久久久久久久亚洲中文字幕| 国产精品国产三级国产av玫瑰| 乱码一卡2卡4卡精品| videosex国产| 久久精品国产综合久久久 | 一区二区三区四区激情视频| 日本黄色日本黄色录像| 天美传媒精品一区二区| 精品人妻熟女毛片av久久网站| 国产乱人偷精品视频| 亚洲综合色惰| tube8黄色片| 又粗又硬又长又爽又黄的视频| 亚洲精华国产精华液的使用体验| 久久人人爽av亚洲精品天堂| 久久久久精品人妻al黑| av国产久精品久网站免费入址| 寂寞人妻少妇视频99o| 亚洲精品第二区| 国产欧美日韩综合在线一区二区|