• <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
    国产精品美女特级片免费视频播放器 | 黑人猛操日本美女一级片| 亚洲精品av麻豆狂野| 手机成人av网站| 日韩欧美国产一区二区入口| 国产午夜精品久久久久久| a级毛片在线看网站| 极品人妻少妇av视频| 日韩欧美在线二视频 | 超色免费av| 国产精品久久电影中文字幕 | 国产三级黄色录像| 中文字幕人妻熟女乱码| 一级毛片女人18水好多| 精品一区二区三区视频在线观看免费 | 国产亚洲精品第一综合不卡| 欧美激情极品国产一区二区三区| 如日韩欧美国产精品一区二区三区| www.熟女人妻精品国产| 欧美精品啪啪一区二区三区| 在线观看一区二区三区激情| 性色av乱码一区二区三区2| 日本vs欧美在线观看视频| 窝窝影院91人妻| 久久久久久免费高清国产稀缺| 久久精品熟女亚洲av麻豆精品| 久久人妻熟女aⅴ| 免费不卡黄色视频| 精品久久久精品久久久| 精品亚洲成国产av| 一个人免费在线观看的高清视频| 日本一区二区免费在线视频| 中文字幕高清在线视频| 成人国产一区最新在线观看| 午夜福利免费观看在线| 免费在线观看亚洲国产| 国精品久久久久久国模美| 欧美亚洲日本最大视频资源| 国产高清视频在线播放一区| 在线观看www视频免费| 黑人操中国人逼视频| 伊人久久大香线蕉亚洲五| 99热只有精品国产| 亚洲熟女精品中文字幕| 脱女人内裤的视频| 亚洲精品国产区一区二| 久久久久久人人人人人| 国产男靠女视频免费网站| 亚洲欧美色中文字幕在线| 嫩草影视91久久| 动漫黄色视频在线观看| 亚洲精品在线美女| 国产精品久久久久久精品古装| 大型黄色视频在线免费观看| 黄片大片在线免费观看| 麻豆国产av国片精品| 夜夜夜夜夜久久久久| 国产亚洲欧美精品永久| 丰满迷人的少妇在线观看| 午夜免费鲁丝| 亚洲av成人一区二区三| 亚洲午夜精品一区,二区,三区| 久久久久久免费高清国产稀缺| 18禁国产床啪视频网站| 欧美日韩视频精品一区| 中文字幕av电影在线播放| 免费在线观看影片大全网站| 日韩熟女老妇一区二区性免费视频| 在线观看日韩欧美| 久久 成人 亚洲| 热re99久久精品国产66热6| 午夜福利欧美成人| 成人免费观看视频高清| 母亲3免费完整高清在线观看| 在线观看日韩欧美| 99久久综合精品五月天人人| 免费av中文字幕在线| 中文字幕av电影在线播放| 欧美激情久久久久久爽电影 | 国产精品美女特级片免费视频播放器 | 精品第一国产精品| 黄片播放在线免费| 麻豆成人av在线观看| 伊人久久大香线蕉亚洲五| 18禁国产床啪视频网站| 亚洲一区二区三区欧美精品| av片东京热男人的天堂| 99久久99久久久精品蜜桃| 少妇粗大呻吟视频| 黄片小视频在线播放| 久久久久久久精品吃奶| 久久久精品国产亚洲av高清涩受| 中文字幕最新亚洲高清| 美国免费a级毛片| 亚洲专区国产一区二区| 亚洲精品在线美女| av天堂在线播放| 欧美老熟妇乱子伦牲交| 女性生殖器流出的白浆| av超薄肉色丝袜交足视频| 99香蕉大伊视频| 成熟少妇高潮喷水视频| 亚洲精品久久午夜乱码| 一边摸一边抽搐一进一出视频| 亚洲精品国产区一区二| 亚洲美女黄片视频| 日韩欧美三级三区| 免费观看人在逋| 国产熟女午夜一区二区三区| 欧美另类亚洲清纯唯美| netflix在线观看网站| 久久国产乱子伦精品免费另类| 欧美激情高清一区二区三区| 法律面前人人平等表现在哪些方面| 欧美精品亚洲一区二区| 欧美黄色片欧美黄色片| 极品人妻少妇av视频| 欧美人与性动交α欧美软件| 他把我摸到了高潮在线观看| 别揉我奶头~嗯~啊~动态视频| 精品高清国产在线一区| 国产淫语在线视频| 国产欧美日韩一区二区精品| 热re99久久国产66热| 国产野战对白在线观看| 国产精品久久视频播放| 免费在线观看日本一区| 极品少妇高潮喷水抽搐| 天天操日日干夜夜撸| 伦理电影免费视频| 12—13女人毛片做爰片一| 亚洲av电影在线进入| 首页视频小说图片口味搜索| 变态另类成人亚洲欧美熟女 | 国产精品香港三级国产av潘金莲| tocl精华| 一区二区三区国产精品乱码| 天天躁狠狠躁夜夜躁狠狠躁| 久久久久国内视频| 淫妇啪啪啪对白视频| 精品电影一区二区在线| 亚洲性夜色夜夜综合| 精品久久蜜臀av无| 久久久久久免费高清国产稀缺| 日韩熟女老妇一区二区性免费视频| 久久精品国产99精品国产亚洲性色 | 十八禁人妻一区二区| 欧美最黄视频在线播放免费 | 国产欧美日韩一区二区三| 成年人黄色毛片网站| 男男h啪啪无遮挡| 丁香欧美五月| 久久九九热精品免费| 中文字幕av电影在线播放| 午夜影院日韩av| 老鸭窝网址在线观看| 人人澡人人妻人| 嫩草影视91久久| 久久人妻熟女aⅴ| 搡老乐熟女国产| 精品电影一区二区在线| 夜夜爽天天搞| 国产精品电影一区二区三区 | 免费女性裸体啪啪无遮挡网站| 午夜日韩欧美国产| 中文亚洲av片在线观看爽 | 免费观看a级毛片全部| 婷婷丁香在线五月| 精品久久久精品久久久| 涩涩av久久男人的天堂| 国产亚洲欧美在线一区二区| 99香蕉大伊视频| 久久国产亚洲av麻豆专区| 日韩欧美国产一区二区入口| 黄色视频,在线免费观看| 两人在一起打扑克的视频| 欧美 亚洲 国产 日韩一| 巨乳人妻的诱惑在线观看| 成人亚洲精品一区在线观看| 久久香蕉激情| 午夜免费鲁丝| 亚洲专区国产一区二区| 亚洲美女黄片视频| 欧美激情极品国产一区二区三区| 在线看a的网站| 国产亚洲欧美精品永久| 搡老熟女国产l中国老女人| 午夜视频精品福利| 两个人免费观看高清视频| 中文字幕另类日韩欧美亚洲嫩草| 美女 人体艺术 gogo| 9色porny在线观看| 在线观看免费视频日本深夜| 一a级毛片在线观看| 黄频高清免费视频| 日韩一卡2卡3卡4卡2021年| 在线观看免费高清a一片| 一进一出抽搐gif免费好疼 | 免费在线观看完整版高清| 在线国产一区二区在线| 怎么达到女性高潮| 又黄又爽又免费观看的视频| 黄色 视频免费看| 在线观看舔阴道视频| 欧美 日韩 精品 国产| 亚洲精品美女久久久久99蜜臀| 青草久久国产| 丰满人妻熟妇乱又伦精品不卡| 咕卡用的链子| 欧美成人午夜精品| 国产淫语在线视频| 99国产综合亚洲精品| av福利片在线| 久久人人爽av亚洲精品天堂| 午夜两性在线视频| 黄色女人牲交| 久久人妻福利社区极品人妻图片| 日韩有码中文字幕| 欧美日韩亚洲国产一区二区在线观看 | 啦啦啦免费观看视频1| 欧美激情 高清一区二区三区| 欧美人与性动交α欧美精品济南到| 99国产精品99久久久久| 纯流量卡能插随身wifi吗| 亚洲性夜色夜夜综合| 日本撒尿小便嘘嘘汇集6| 亚洲自偷自拍图片 自拍| 国产主播在线观看一区二区| bbb黄色大片| 免费在线观看视频国产中文字幕亚洲| 精品人妻在线不人妻| 久久午夜亚洲精品久久| www日本在线高清视频| 十八禁高潮呻吟视频| 午夜福利在线免费观看网站| 国产男女内射视频| 午夜两性在线视频| 国产亚洲精品久久久久5区| 一级片'在线观看视频| 久久香蕉精品热| 亚洲熟妇熟女久久| 中文字幕人妻熟女乱码| 色婷婷久久久亚洲欧美| 少妇被粗大的猛进出69影院| 两性夫妻黄色片| 午夜日韩欧美国产| 一区二区日韩欧美中文字幕| 久久午夜亚洲精品久久| 免费在线观看日本一区| avwww免费| 久久天躁狠狠躁夜夜2o2o| 精品一区二区三区av网在线观看| 在线视频色国产色| av福利片在线| 亚洲欧美日韩另类电影网站| tube8黄色片| 日韩大码丰满熟妇| 超碰成人久久| 日韩三级视频一区二区三区| 99热网站在线观看| 一二三四在线观看免费中文在| 80岁老熟妇乱子伦牲交| 久久久久久久久久久久大奶| 日日摸夜夜添夜夜添小说| 国产深夜福利视频在线观看| 女性生殖器流出的白浆| 精品欧美一区二区三区在线| 午夜精品国产一区二区电影| 大型av网站在线播放| 窝窝影院91人妻| videos熟女内射| 国产成人影院久久av| 国产激情欧美一区二区| 在线永久观看黄色视频| 久久久国产成人精品二区 | 美女国产高潮福利片在线看| 日本黄色日本黄色录像| 一级片'在线观看视频| 午夜视频精品福利| 中国美女看黄片| 午夜91福利影院| av在线播放免费不卡| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲欧美精品综合一区二区三区| 日韩欧美免费精品| 高潮久久久久久久久久久不卡| 精品亚洲成国产av| 精品一区二区三区四区五区乱码| 国产精品综合久久久久久久免费 | a级片在线免费高清观看视频| 亚洲第一欧美日韩一区二区三区| 精品亚洲成a人片在线观看| 99香蕉大伊视频| 黄网站色视频无遮挡免费观看| 大型av网站在线播放| 真人做人爱边吃奶动态| 国产一区二区激情短视频| 两个人看的免费小视频| 欧美午夜高清在线| 午夜久久久在线观看| 新久久久久国产一级毛片| 久9热在线精品视频| 亚洲精品一卡2卡三卡4卡5卡| 国产伦人伦偷精品视频| 国产亚洲精品一区二区www | 777久久人妻少妇嫩草av网站| 成在线人永久免费视频| 亚洲成人手机| 人人妻人人澡人人爽人人夜夜| 91大片在线观看| 国产高清激情床上av| 18禁裸乳无遮挡动漫免费视频| 一进一出抽搐gif免费好疼 | 9色porny在线观看| 宅男免费午夜| 国产aⅴ精品一区二区三区波| 亚洲片人在线观看| 亚洲精品国产一区二区精华液| 涩涩av久久男人的天堂| 99热国产这里只有精品6| 亚洲精品在线美女| 国产av又大| 一级黄色大片毛片| 99riav亚洲国产免费| 老司机在亚洲福利影院| 亚洲av欧美aⅴ国产| 老司机亚洲免费影院| 国产有黄有色有爽视频| 国产免费男女视频| 亚洲七黄色美女视频| 美国免费a级毛片| 亚洲人成77777在线视频| 少妇猛男粗大的猛烈进出视频| 亚洲精品美女久久久久99蜜臀| 久久午夜综合久久蜜桃| 少妇被粗大的猛进出69影院| 成人影院久久| 欧美午夜高清在线| 欧美久久黑人一区二区| 91精品三级在线观看| 久久人妻av系列| 在线永久观看黄色视频| 久久人妻av系列| 国产欧美日韩一区二区三| 色尼玛亚洲综合影院| 国产一区在线观看成人免费| 精品午夜福利视频在线观看一区| 一a级毛片在线观看| 久久久久国产一级毛片高清牌| 村上凉子中文字幕在线| 首页视频小说图片口味搜索| 亚洲第一av免费看| 欧美中文综合在线视频| 久久久精品免费免费高清| 一级片'在线观看视频| 日日爽夜夜爽网站| 国产一区二区三区综合在线观看| 国产精品电影一区二区三区 | 美国免费a级毛片| 久久国产精品大桥未久av| 午夜日韩欧美国产| 香蕉丝袜av| 韩国av一区二区三区四区| 一二三四社区在线视频社区8| 狂野欧美激情性xxxx| 久久婷婷成人综合色麻豆| 久久精品人人爽人人爽视色| 欧美日韩亚洲国产一区二区在线观看 | 美女国产高潮福利片在线看| 成人亚洲精品一区在线观看| x7x7x7水蜜桃| 天天躁日日躁夜夜躁夜夜| 人人妻,人人澡人人爽秒播| 欧美激情高清一区二区三区| 夫妻午夜视频| 成人特级黄色片久久久久久久| 国产免费现黄频在线看| 很黄的视频免费| 成年人午夜在线观看视频| 亚洲视频免费观看视频| 18禁黄网站禁片午夜丰满| 不卡av一区二区三区| 国产欧美日韩一区二区三| 美女 人体艺术 gogo| 激情在线观看视频在线高清 | 最近最新中文字幕大全电影3 | av中文乱码字幕在线| 亚洲黑人精品在线| 在线观看舔阴道视频| 精品人妻熟女毛片av久久网站| 91大片在线观看| 国产精品免费一区二区三区在线 | 国产亚洲精品第一综合不卡| 亚洲第一欧美日韩一区二区三区| 一级a爱片免费观看的视频| 久久久精品国产亚洲av高清涩受| 男女午夜视频在线观看| 欧美成人免费av一区二区三区 | 日本一区二区免费在线视频| 乱人伦中国视频| 久久久精品国产亚洲av高清涩受| 精品亚洲成a人片在线观看| 欧美丝袜亚洲另类 | 日韩成人在线观看一区二区三区| 女性生殖器流出的白浆| 咕卡用的链子| 亚洲aⅴ乱码一区二区在线播放 | 91麻豆精品激情在线观看国产 | 每晚都被弄得嗷嗷叫到高潮| 久久这里只有精品19| 麻豆成人av在线观看| 国产精华一区二区三区| 三上悠亚av全集在线观看| 久久这里只有精品19| videos熟女内射| 91麻豆av在线| 午夜免费观看网址| 欧洲精品卡2卡3卡4卡5卡区| 美女高潮喷水抽搐中文字幕| 最新美女视频免费是黄的| 一二三四社区在线视频社区8| 国产成人免费无遮挡视频| 视频区欧美日本亚洲| netflix在线观看网站| 少妇裸体淫交视频免费看高清 | 国产精品亚洲一级av第二区| 波多野结衣一区麻豆| 久久久久久人人人人人| 十分钟在线观看高清视频www| 天天影视国产精品| 在线播放国产精品三级| 99在线人妻在线中文字幕 | 黑丝袜美女国产一区| 国产激情欧美一区二区| 欧美黑人欧美精品刺激| 久久影院123| 精品乱码久久久久久99久播| 亚洲情色 制服丝袜| 欧美 日韩 精品 国产| 一区在线观看完整版| 中文亚洲av片在线观看爽 | 成年版毛片免费区| 亚洲国产精品合色在线| 国产男女超爽视频在线观看| 久久久久国产精品人妻aⅴ院 | 纯流量卡能插随身wifi吗| 色婷婷av一区二区三区视频| 精品一品国产午夜福利视频| 国产在线精品亚洲第一网站| 露出奶头的视频| 欧美乱色亚洲激情| 麻豆av在线久日| 久久婷婷成人综合色麻豆| 国产麻豆69| 国产又爽黄色视频| 久久热在线av| 色94色欧美一区二区| 色播在线永久视频| 免费人成视频x8x8入口观看| 成人特级黄色片久久久久久久| 在线观看免费午夜福利视频| 无遮挡黄片免费观看| 欧美中文综合在线视频| 天堂√8在线中文| 在线观看免费高清a一片| 黄频高清免费视频| 建设人人有责人人尽责人人享有的| 国产精品美女特级片免费视频播放器 | 欧美乱码精品一区二区三区| cao死你这个sao货| 亚洲精品国产区一区二| 国产97色在线日韩免费| 一进一出好大好爽视频| 在线观看免费高清a一片| 天堂中文最新版在线下载| 少妇 在线观看| 中文字幕人妻熟女乱码| 免费少妇av软件| 国产片内射在线| 啦啦啦 在线观看视频| 无限看片的www在线观看| 久久天躁狠狠躁夜夜2o2o| 丝袜在线中文字幕| 久久久久视频综合| 久久中文看片网| 亚洲成人手机| 亚洲国产欧美一区二区综合| 国产av又大| 丝瓜视频免费看黄片| 中文字幕色久视频| 一区福利在线观看| 国产aⅴ精品一区二区三区波| 日韩熟女老妇一区二区性免费视频| 热99国产精品久久久久久7| 国产精品久久久久久人妻精品电影| 在线观看www视频免费| 国产国语露脸激情在线看| 国产野战对白在线观看| 伦理电影免费视频| 亚洲av电影在线进入| 国产精品乱码一区二三区的特点 | 大型av网站在线播放| 中文亚洲av片在线观看爽 | 国产高清激情床上av| 看免费av毛片| 一夜夜www| 国产亚洲精品久久久久久毛片 | 国产一区有黄有色的免费视频| 搡老乐熟女国产| 国产精品一区二区在线观看99| 亚洲色图av天堂| 波多野结衣一区麻豆| 国产一区有黄有色的免费视频| 久久人妻av系列| 黄色视频,在线免费观看| 免费日韩欧美在线观看| 国产伦人伦偷精品视频| 久久精品亚洲熟妇少妇任你| 精品国产一区二区三区久久久樱花| 9191精品国产免费久久| 免费高清在线观看日韩| 午夜91福利影院| 男女之事视频高清在线观看| 99久久99久久久精品蜜桃| 亚洲中文av在线| 精品国产国语对白av| 在线看a的网站| 一级a爱视频在线免费观看| 久久亚洲真实| 精品少妇一区二区三区视频日本电影| 1024视频免费在线观看| 麻豆乱淫一区二区| 电影成人av| 下体分泌物呈黄色| 高清黄色对白视频在线免费看| 老司机深夜福利视频在线观看| 狠狠狠狠99中文字幕| 曰老女人黄片| 国产精品久久视频播放| 国产视频一区二区在线看| 91国产中文字幕| 婷婷成人精品国产| 在线观看日韩欧美| 丝瓜视频免费看黄片| 99久久精品国产亚洲精品| 日韩成人在线观看一区二区三区| 色综合欧美亚洲国产小说| 国产高清激情床上av| 制服人妻中文乱码| 99热只有精品国产| 窝窝影院91人妻| 国产男女超爽视频在线观看| 美国免费a级毛片| 大型av网站在线播放| 少妇 在线观看| 制服诱惑二区| 成人国产一区最新在线观看| av片东京热男人的天堂| 啦啦啦免费观看视频1| 国内久久婷婷六月综合欲色啪| 国产精品免费一区二区三区在线 | 一a级毛片在线观看| 免费一级毛片在线播放高清视频 | 国产伦人伦偷精品视频| 美女视频免费永久观看网站| 国产亚洲欧美精品永久| 国产免费现黄频在线看| 国产视频一区二区在线看| 亚洲一区高清亚洲精品| 亚洲精品美女久久久久99蜜臀| a级毛片黄视频| 国产成人av教育| 黄色女人牲交| netflix在线观看网站| 69av精品久久久久久| 999久久久国产精品视频| 欧美中文综合在线视频| 久久精品人人爽人人爽视色| 在线国产一区二区在线| 久久久久国内视频| 免费黄频网站在线观看国产| 免费在线观看日本一区| a级毛片在线看网站| 极品少妇高潮喷水抽搐| 91老司机精品| 免费观看人在逋| 午夜视频精品福利| 伦理电影免费视频| 性色av乱码一区二区三区2| 午夜精品国产一区二区电影| 国产高清videossex| 久久人妻福利社区极品人妻图片| 久久婷婷成人综合色麻豆| 日韩欧美在线二视频 | 精品福利观看| 两人在一起打扑克的视频| 亚洲熟妇中文字幕五十中出 | 久久精品aⅴ一区二区三区四区| 精品国产国语对白av| 国产av又大| 两个人免费观看高清视频| 一本综合久久免费| 国产熟女午夜一区二区三区| 黄色女人牲交| 超碰成人久久| 无人区码免费观看不卡| 精品乱码久久久久久99久播| 成年人午夜在线观看视频| 人人妻人人澡人人看| 亚洲av美国av| 97人妻天天添夜夜摸| 在线av久久热| 女性生殖器流出的白浆| 激情视频va一区二区三区| 欧美中文综合在线视频|