• <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 ?

    計(jì)及復(fù)雜氣象影響的含光伏電源的母線峰值負(fù)荷預(yù)測(cè)

    2020-06-18 07:32:58朱赫炎于長(zhǎng)永賀慶奎劉靖波許言路盧天琪黃南天
    可再生能源 2020年6期
    關(guān)鍵詞:特征選擇峰值粒子

    朱赫炎, 于長(zhǎng)永, 賀慶奎, 宋 坤, 劉靖波, 許言路, 盧天琪, 黃南天

    (1.國(guó)網(wǎng)遼寧省電力有限公司 經(jīng)濟(jì)技術(shù)研究院, 遼寧 沈陽(yáng) 110015; 2.東北電力大學(xué) 電氣工程學(xué)院, 吉林吉林 132012)

    0 引言

    母線峰值負(fù)荷預(yù)測(cè)是保障電力系統(tǒng)可靠穩(wěn)定運(yùn)行的重要依據(jù),也是評(píng)估系統(tǒng)清潔能源(光伏、風(fēng)電等可再生能源)消納能力的重要保障。 光伏DG 受溫度、風(fēng)速、濕度、不同氣象日的影響,其出力波動(dòng)劇烈,在接入配電網(wǎng)后,會(huì)加劇母線峰值負(fù)荷的波動(dòng)。 為了實(shí)現(xiàn)高精度母線峰值負(fù)荷預(yù)測(cè),有效提高配電系統(tǒng)清潔能源(特別是光伏電源)的消納能力,在高滲透率光伏電源接入場(chǎng)景下, 必須考慮DG 接入電網(wǎng)對(duì)母線峰荷預(yù)測(cè)的影響。

    在母線負(fù)荷預(yù)測(cè)建模過(guò)程中,需要考慮多種因素對(duì)母線負(fù)荷的影響。 文獻(xiàn)[1]研究了環(huán)境因素對(duì)母線負(fù)荷的影響,通過(guò)快速屬性約簡(jiǎn)法研究影響因素與母線負(fù)荷間關(guān)系,找出對(duì)母線負(fù)荷影響大的因素,提高母線負(fù)荷預(yù)測(cè)精度。 文獻(xiàn)[2]建立了特征向量矩陣, 找出并調(diào)整數(shù)據(jù)中的異常數(shù)據(jù),分析相關(guān)因素與負(fù)荷間的相關(guān)性,構(gòu)建負(fù)荷水平相似集,根據(jù)待測(cè)負(fù)荷日與相似集選擇相似日,實(shí)現(xiàn)對(duì)母線負(fù)荷的綜合預(yù)測(cè)。 文獻(xiàn)[3]分析了母線源荷負(fù)荷屬性,然后將不同屬性負(fù)荷進(jìn)行分類,分別研究有源網(wǎng)絡(luò)中的電源和負(fù)荷成分,優(yōu)化了母線負(fù)荷預(yù)測(cè)。上述文獻(xiàn)優(yōu)化了母線負(fù)荷預(yù)測(cè),但是沒(méi)有充分分析自然氣象、 社會(huì)等因素對(duì)母線負(fù)荷的影響,沒(méi)有進(jìn)行特征選擇。

    現(xiàn)有涉及峰荷預(yù)測(cè)的研究中, 多針對(duì)城市級(jí)電網(wǎng)峰值負(fù)荷的影響因素和預(yù)測(cè)方法開展。 傳統(tǒng)負(fù)荷預(yù)測(cè)方法有灰色模型和回歸分析等, 當(dāng)負(fù)荷發(fā)生非線性波動(dòng)時(shí), 傳統(tǒng)負(fù)荷預(yù)測(cè)方法預(yù)測(cè)精度受限[4]~[5]。 文獻(xiàn)[6]分析了城市負(fù)荷波動(dòng)的內(nèi)因,考慮了多源數(shù)據(jù)對(duì)負(fù)荷波動(dòng)的影響, 通過(guò)皮爾遜相關(guān)系數(shù)和互信息計(jì)算多源數(shù)據(jù)和負(fù)荷波動(dòng)的相關(guān)性,選擇與負(fù)荷波動(dòng)強(qiáng)相關(guān)的自然特征、社會(huì)特征和其它特征, 并應(yīng)用支持向量回歸模型預(yù)測(cè)峰值負(fù)荷。 文獻(xiàn)[7]提出了基于人工神經(jīng)網(wǎng)絡(luò)演變的峰值負(fù)荷預(yù)測(cè)模型, 通過(guò)最優(yōu)特征集合預(yù)測(cè)峰值負(fù)荷,且根據(jù)不同實(shí)驗(yàn)間的對(duì)比,驗(yàn)證了所提方法具有預(yù)測(cè)精度高的優(yōu)點(diǎn)。 文獻(xiàn)[8]針對(duì)負(fù)荷預(yù)測(cè)方法的缺點(diǎn), 優(yōu)化了基于模糊支持向量機(jī)的核回歸方法?,F(xiàn)有研究在一定程度上提高了峰荷預(yù)測(cè)精度,但尚未針對(duì)母線峰值負(fù)荷預(yù)測(cè)中, 歷史數(shù)據(jù)有限和接入光伏DG 后, 母線峰荷波動(dòng)特性復(fù)雜化的問(wèn)題開展分析。 極限學(xué)習(xí)機(jī) (Extreme Learning Machine,ELM)所需訓(xùn)練樣本少,能夠解決具有非線性波動(dòng)特點(diǎn)的母線峰值負(fù)荷預(yù)測(cè)的難題,且預(yù)測(cè)精度高[9],[10]。

    為分析復(fù)雜氣象數(shù)據(jù)和光伏DG 接入后對(duì)母線峰值負(fù)荷的影響,并解決母線峰值負(fù)荷歷史數(shù)據(jù)有限、預(yù)測(cè)精度低的不足,本文提出了計(jì)及復(fù)雜氣象影響的母線峰值負(fù)荷預(yù)測(cè)方法。根據(jù)不同氣象日母線峰值負(fù)荷的波動(dòng)情況, 在晴天、陰雨和多云3 種天氣情況下,分別通過(guò)條件互信息(Conditional Mutual Information, CMI)分析高維氣象、 社會(huì)等特征與母線峰值負(fù)荷間的相關(guān)性,獲得特征重要度排序。本文采用適合小樣本訓(xùn)練的改進(jìn)粒子群優(yōu)化極限學(xué)習(xí)機(jī)(Improved Particle Swarm Optimization -Extreme Learning Machine,IPSO-ELM) 作為預(yù)測(cè)器, 并以IPSOELM 預(yù)測(cè)精度為決策變量, 確定在不同氣象日下的最優(yōu)特征子集;根據(jù)最優(yōu)特征子集,分別建立了在不同氣象日下母線峰值負(fù)荷最優(yōu)預(yù)測(cè)模型。

    1 母線峰值負(fù)荷的波動(dòng)性展示

    某城市含高滲透率光伏電源的母線峰值負(fù)荷和日負(fù)荷實(shí)際值如圖1 所示。

    圖1 含光伏DG 母線日負(fù)荷和峰值負(fù)荷Fig.1 Daily load and peak load for electric bus with PV DG

    由圖1 可知,母線峰值負(fù)荷的最大值和最小值分別為160.7 MW,102.2 MW。 與電力負(fù)荷相比,母線波動(dòng)性更大。 母線峰值負(fù)荷每天僅累積一組數(shù)據(jù),歷史負(fù)荷數(shù)據(jù)有限,預(yù)測(cè)模型訓(xùn)練難度大。而且母線負(fù)荷由于有DG 的存在, 母線峰值負(fù)荷在不同氣象日下波動(dòng)情況也會(huì)不同,預(yù)測(cè)困難。

    2 基于條件互信息的特征選擇方法

    2.1 母線峰值負(fù)荷預(yù)測(cè)原始特征集合構(gòu)建

    高維氣象(經(jīng)度、緯度、溫度、氣壓、濕度、風(fēng)速等)、社會(huì)(日期、節(jié)假日等)等多種因素都會(huì)導(dǎo)致母線峰值負(fù)荷發(fā)生波動(dòng), 同時(shí)考慮光伏DG 對(duì)母線負(fù)荷的影響,通過(guò)分析和研究相關(guān)文獻(xiàn),構(gòu)建的原始特征集合如表1 所示。

    表1 母線峰值負(fù)荷預(yù)測(cè)原始特征集合Table 1 Original feature set of peak load prediction for electrical bus

    2.2 條件互信息

    由表1 可知, 含光伏DG 的母線峰值負(fù)荷影響因素眾多,如果考慮全部影響因素,將會(huì)造成信息冗余,母線峰值負(fù)荷預(yù)測(cè)精度低。為提高母線峰值負(fù)荷預(yù)測(cè)精度,通過(guò)CMI 分析各影響因素與母線峰值負(fù)荷間的相關(guān)性,并通過(guò)特征選擇,避免母線峰值負(fù)荷預(yù)測(cè)時(shí)出現(xiàn)特征冗余,提高預(yù)測(cè)精度。

    在母線峰值負(fù)荷預(yù)測(cè)中,設(shè)D 為包含自然氣象、社會(huì)等多種因素的原始特征集合;d 為D 中某一特征;Q 為實(shí)測(cè)母線峰值負(fù)荷集合;q 為集合Q中某一母線峰值負(fù)荷集合;Z 為已選擇的特征集合。 D 和Q 間的互信息為

    式中:P(d),P(q)分別為D,Q 的邊際密度函數(shù),其中,P(d)為D 中取d 的概率,P(q)為Q 中取q的概率,P(d,q)為D 和Q 的聯(lián)合概率密度;P(d,q)為D 中取d,Q 中取q 的聯(lián)合概率。

    在已知Z 集合的條件下,集合D 與實(shí)測(cè)母線峰值負(fù)荷值Q 的條件互信息為

    式中:P(d│z),P(q│z)分別為在Z 條件下D,Q的概率密度函數(shù);P(d,q│z)為在Z 條件下D,Q的聯(lián)合概率密度函數(shù);P (d,q,z) 為D,Q,Z 的聯(lián)合概率密度函數(shù)。

    與傳統(tǒng)互信息方法相比,CMI 在分析過(guò)程中,考慮了特征集合內(nèi)特征間冗余性, 更加適合降低最優(yōu)特征子集中信息冗余。

    3 基于改進(jìn)粒子群優(yōu)化的極限學(xué)習(xí)機(jī)原理

    以有限的母線峰值負(fù)荷數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)等預(yù)測(cè)器,難以獲得理想的預(yù)測(cè)模型。 因此,應(yīng)用適用于小樣本訓(xùn)練的ELM 構(gòu)建母線峰值負(fù)荷預(yù)測(cè)器。為避免參數(shù)選擇不當(dāng),應(yīng)用改進(jìn)粒子群算法優(yōu)化ELM 的初始值和閾值,進(jìn)一步提高預(yù)測(cè)精度。

    3.1 極限學(xué)習(xí)機(jī)

    設(shè)有N 個(gè)樣本{(xi,ti)}Ni=1,其中,輸入數(shù)據(jù)為xi=[xi1,xi2,…,xin]T∈Rn,目標(biāo)輸出值為ti=[ti1,ti2,…,tim]T∈Rm。 則單隱層神經(jīng)網(wǎng)絡(luò)(隱層節(jié)點(diǎn)的數(shù)目為L(zhǎng))的ELM 網(wǎng)絡(luò)模型為

    式中:oj為網(wǎng)絡(luò)輸出值;g(x)為激活函數(shù);ωi為輸入權(quán)重;βi為輸出權(quán)重;bi為第i 個(gè)隱層單元的偏置。

    無(wú)誤差時(shí), 激活函數(shù)無(wú)限接近任意N 個(gè)樣本,則N 個(gè)方程矩陣為

    其中:H 為隱含層節(jié)點(diǎn)輸出;T 為期望輸出。

    與式(5)等價(jià)的最小損失函數(shù)為

    在ELM 算法中,ω 和b 被隨機(jī)確定后, 即可獲得唯一H,便可確定ELM 結(jié)構(gòu)。

    3.2 基于改進(jìn)粒子群的極限學(xué)習(xí)機(jī)參數(shù)優(yōu)化

    3.2.1 改進(jìn)粒子群原理

    傳統(tǒng)粒子群算法存在尋優(yōu)時(shí)間長(zhǎng)、 容易出現(xiàn)局部最優(yōu)的問(wèn)題[11]。本文采用改進(jìn)粒子群算法,通過(guò)改變慣性權(quán)重, 解決傳統(tǒng)粒子群算法全局最優(yōu)解易發(fā)生波動(dòng)的問(wèn)題。 慣性權(quán)重表達(dá)式為

    式中:wmin,wmax分別為慣性權(quán)重最小值、最大值;f為粒子適應(yīng)度;favg為平均適應(yīng)度;fmin為最小適應(yīng)度。

    為了快速確定全局最優(yōu)解, 對(duì)算法進(jìn)行動(dòng)態(tài)調(diào)整,即:

    式中:c1s和c2s分別為c1和c2的初值;c1c和c2c分別為c1和c2的終值;iter 為當(dāng)前迭代的次數(shù);itermax為總迭代的次數(shù)。

    3.2.2 基于改進(jìn)粒子群的ELM 參數(shù)優(yōu)化

    以原始特征集合構(gòu)建含光伏母線峰值負(fù)荷預(yù)測(cè)模型最優(yōu)過(guò)程為例, 展示IPSO 優(yōu)化ELM 過(guò)程如下:

    ①基于原始特征集合構(gòu)建含光伏母線峰值負(fù)荷預(yù)測(cè)ELM(特征集合如表1 所示),并隨機(jī)產(chǎn)生ELM 的輸入權(quán)值ω 和閾值b;

    ②確定輸入含光伏母線負(fù)荷峰值預(yù)測(cè)所需原始特征集合信息的樣本X, 且以理想精度或迭代次數(shù)為結(jié)束條件;

    ③針對(duì)樣本數(shù)據(jù),開展歸一化處理;

    ④根據(jù)ELM 的含光伏母線峰荷預(yù)測(cè)的MAPE 獲得適應(yīng)度值, 并確定當(dāng)前個(gè)體和群體最佳適應(yīng)值;

    ⑤在傳統(tǒng)PSO 基礎(chǔ)上,根據(jù)式(7),(8)更新粒子速度與位置;

    ⑥計(jì)算當(dāng)前粒子適應(yīng)度值。 然后與歷史最優(yōu)值比較,如更優(yōu),則更新粒子最優(yōu)解;否則維持個(gè)體最佳適應(yīng)度值;

    ⑦如果當(dāng)前粒子的適應(yīng)度值比群體最優(yōu)解更優(yōu),則更新群體最優(yōu)解;否則,維持群體最優(yōu)解不變;

    ⑧如未達(dá)到結(jié)束條件,則返回③;否則,將最優(yōu)解ω 和b 代入ELM,構(gòu)建最優(yōu)含光伏母線負(fù)荷峰值預(yù)測(cè)模型。

    本文對(duì)不同維度特征集合構(gòu)建針對(duì)性最優(yōu)ELM 預(yù)測(cè)器,均采用以上方法。

    4 實(shí)驗(yàn)及分析

    本文應(yīng)用某地區(qū)2018 年母線峰值負(fù)荷和氣象信息數(shù)據(jù),在不同氣象日下,對(duì)含光伏DG 母線分別開展針對(duì)性特征選擇。 為證明新方法的先進(jìn)性, 以IPSO-ELM 與ELM 和BP 神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Model,BPNN)作對(duì)比實(shí)驗(yàn)。 以平均絕對(duì)百分比誤差 (Mean Absolute Percent Error,MAPE)、 均 方 根 誤 差 (Root Mean Square Error,RMSE)評(píng)估模型預(yù)測(cè)效果,指標(biāo)計(jì)算方法為

    4.1 基于CMI 的特征選擇分析

    在含光伏DG 的母線峰值負(fù)荷預(yù)測(cè)中,首先,在晴天、 陰雨和多云3 種情況下, 分別通過(guò)CMI分析高維氣象、 社會(huì)等特征與母線峰值負(fù)荷間的相關(guān)性, 獲得特征重要度排序; 然后, 以IPSOELM 為預(yù)測(cè)器,把預(yù)測(cè)結(jié)果的MAPE 值作為決策變量,根據(jù)特征重要度排序結(jié)果,進(jìn)行前向特征選擇, 得到不同氣象日下母線峰值負(fù)荷預(yù)測(cè)的最優(yōu)特征子集,降低原始特征集合內(nèi)特征間的冗余性,提高含光伏DG 母線峰值負(fù)荷預(yù)測(cè)的精度。

    為了展示在不同氣象日下、 不同特征對(duì)含光伏DG 母線峰值負(fù)荷的特征重要度不同, 通過(guò)CMI 計(jì)算各特征對(duì)母線峰值負(fù)荷的特征重要度。圖2 給出了某地區(qū)含光伏DG 的某條母線, 在晴天、多云和陰雨3 種氣象日下的特征重要度。

    圖2 不同氣象日特征重要度分析Fig.2 Significance analysis of different meteorological daily features

    由圖2 可知,不同氣象日?qǐng)鼍跋?,不同因素?duì)母線峰值負(fù)荷的特征重要度不同。 例如在10~20號(hào)特征中,晴天時(shí),F(xiàn)10和F12特征重要度高;在多云時(shí)F10、F17和F20特征重要度高;陰雨時(shí),F(xiàn)20特征重要度高。3 種氣象日最優(yōu)特征集合選擇如圖3 所示。

    圖3 最優(yōu)特征集合選擇過(guò)程Fig.3 Optimal feature set selection

    由圖3 可以看出,隨著特征維度的增加,母線峰值負(fù)荷預(yù)測(cè)的誤差越來(lái)越小, 當(dāng)特征維度增加到一定數(shù)量時(shí),母線峰荷的預(yù)測(cè)誤差達(dá)到最小值。此時(shí),輸入特征的集合為最優(yōu)特征集合,陰天、晴天和多云3 種氣象日下的最優(yōu)特征集合維數(shù)分別為22,25 和20, 且對(duì)應(yīng)預(yù)測(cè)的MAPE 值分別為2.98%,3.08%和3.04%。 因此,在含光伏DG 的母線峰值負(fù)荷預(yù)測(cè)中,為了避免出現(xiàn)特征冗余,需要進(jìn)行特征選擇,提高預(yù)測(cè)精度。

    表2 對(duì)應(yīng)圖3 中3 種氣象日下, 最優(yōu)特征集合選擇結(jié)果。

    表2 最優(yōu)特征集合Table 2 Optimal feature set

    由表2 可知, 不同氣象日最優(yōu)特征集合包含的特征個(gè)數(shù)不同,晴天時(shí)特征個(gè)數(shù)最多,多云時(shí)特征個(gè)數(shù)最少。且同一特征在不同氣象日,對(duì)母線峰值負(fù)荷的特征重要度排序不同,F(xiàn)1 的特征重要度在晴天時(shí)排在第一, 在多云時(shí)排在第三,在陰雨天時(shí)排在第九。 對(duì)于含光伏DG 母線峰值負(fù)荷預(yù)測(cè),在3 種不同氣象日下,最優(yōu)特征集合存在差異,因此,需要針對(duì)不同氣象日,分別進(jìn)行特征選擇,確定不同的最優(yōu)特征集合,針對(duì)性建立不同氣象日下,最優(yōu)預(yù)測(cè)模型。

    4.2 含光伏DG 的母線峰值負(fù)荷預(yù)測(cè)結(jié)果分析

    本文列出2018 年7 月第1 周, 某條含光伏DG 的母線峰值負(fù)荷預(yù)測(cè)結(jié)果。 圖4 為母線針對(duì)性建模和采用原始特征集合建模的預(yù)測(cè)結(jié)果。

    圖4 最優(yōu)模型和原始預(yù)測(cè)模型峰值負(fù)荷預(yù)測(cè)Fig.4 Optimal model and original prediction model for peak load prediction

    表3 為對(duì)應(yīng)圖4 中母線峰值負(fù)荷預(yù)測(cè)曲線的誤差結(jié)果。

    表3 母線峰值負(fù)荷預(yù)測(cè)誤差Table 3 Error of peak load prediction for electric bus

    在最優(yōu)模型下, 母線峰值負(fù)荷預(yù)測(cè)的MAPE值為3.021%;利用原始特征集合建模時(shí),母線峰值負(fù)荷預(yù)測(cè)的MAPE 值為4.352%。 對(duì)比可知,根據(jù)不同氣象日開展的特征選擇, 并建立不同母線峰值負(fù)荷預(yù)測(cè)模型, 可有效提高不同氣象日下含DG 的母線峰值負(fù)荷預(yù)測(cè)精度。

    不同算法,在第2 周的母線峰值負(fù)荷預(yù)測(cè)結(jié)果如圖5 所示。

    圖5 3 種方法的峰值負(fù)荷預(yù)測(cè)Fig.5 Three methods of peak load prediction

    表4 對(duì)應(yīng)圖5 中3 種預(yù)測(cè)方法下的預(yù)測(cè)曲線誤差結(jié)果。

    表4 3 種方法的母線峰值負(fù)荷預(yù)測(cè)誤差Table 4 The peak load prediction errors of the three methods

    由表4 中可以看出,分別應(yīng)用BPNN,ELM 和IPSO-ELM 預(yù)測(cè)母線峰值負(fù)荷時(shí),MAPE 值分別為5.135%,3.961%和3.072%,IPSO-ELM 對(duì)含DG 母線負(fù)荷預(yù)測(cè)的MAPE 值最小。 因此,本文應(yīng)用DG 的IPSO-ELM 預(yù)測(cè)器, 對(duì)于含光伏DG 的母線峰值負(fù)荷進(jìn)行預(yù)測(cè),預(yù)測(cè)精度高。

    5 結(jié)論

    本文提出計(jì)及復(fù)雜氣象影響的母線峰值負(fù)荷預(yù)測(cè)方法,該方法具有以下優(yōu)點(diǎn):①以CMI 值為依據(jù),開展母線峰值負(fù)荷預(yù)測(cè)特征選擇,降低了母線峰值負(fù)荷預(yù)測(cè)時(shí),特征冗余對(duì)預(yù)測(cè)精度的影響;②針對(duì)晴天、 多云和陰雨3 種氣象日分別構(gòu)建最優(yōu)預(yù)測(cè)模型, 含光伏DG 母線峰值的預(yù)測(cè)精度顯著提高;③對(duì)于母線峰值負(fù)荷歷史數(shù)據(jù)少的問(wèn)題,提出應(yīng)用IPSO-ELM 作為預(yù)測(cè)器,滿足小樣本場(chǎng)景下預(yù)測(cè)精度需要。

    猜你喜歡
    特征選擇峰值粒子
    “四單”聯(lián)動(dòng)打造適齡兒童隊(duì)前教育峰值體驗(yàn)
    基于粒子群優(yōu)化的橋式起重機(jī)模糊PID控制
    基于粒子群優(yōu)化極點(diǎn)配置的空燃比輸出反饋控制
    Kmeans 應(yīng)用與特征選擇
    電子制作(2017年23期)2017-02-02 07:17:06
    寬占空比峰值電流型準(zhǔn)PWM/PFM混合控制
    基于峰值反饋的電流型PFM控制方法
    聯(lián)合互信息水下目標(biāo)特征選擇算法
    基于特征選擇和RRVPMCD的滾動(dòng)軸承故障診斷方法
    基于二元搭配詞的微博情感特征選擇
    基于Matlab的α粒子的散射實(shí)驗(yàn)?zāi)M
    物理與工程(2014年4期)2014-02-27 11:23:08
    中文字幕另类日韩欧美亚洲嫩草| 天堂8中文在线网| 高清不卡的av网站| 亚洲精品日本国产第一区| 人妻少妇偷人精品九色| 老汉色∧v一级毛片| 国产一级毛片在线| 美女中出高潮动态图| 国产熟女欧美一区二区| 只有这里有精品99| 日本猛色少妇xxxxx猛交久久| 亚洲精品国产av成人精品| 18禁动态无遮挡网站| 午夜福利乱码中文字幕| 久久久久久久久久久久大奶| 高清av免费在线| 国产免费一区二区三区四区乱码| 国产日韩欧美亚洲二区| 黑丝袜美女国产一区| 欧美bdsm另类| 国产成人免费无遮挡视频| 国产无遮挡羞羞视频在线观看| 亚洲视频免费观看视频| 国产极品天堂在线| 成人18禁高潮啪啪吃奶动态图| av女优亚洲男人天堂| 在线观看人妻少妇| 99久国产av精品国产电影| 天堂俺去俺来也www色官网| 日韩一区二区视频免费看| 亚洲中文av在线| 国产熟女午夜一区二区三区| 最近中文字幕高清免费大全6| 久久久精品区二区三区| 深夜精品福利| 国产一区二区三区av在线| 在线观看国产h片| 一二三四在线观看免费中文在| 青春草视频在线免费观看| 亚洲av日韩在线播放| 18禁裸乳无遮挡动漫免费视频| 一级毛片我不卡| 精品亚洲乱码少妇综合久久| 国产av精品麻豆| 极品人妻少妇av视频| 高清不卡的av网站| 久久精品国产a三级三级三级| 久久久久精品人妻al黑| 久久精品久久久久久噜噜老黄| av在线播放精品| 欧美日韩亚洲高清精品| 美女高潮到喷水免费观看| 中文字幕人妻熟女乱码| 国产成人免费无遮挡视频| 天天躁夜夜躁狠狠躁躁| 人人妻人人澡人人爽人人夜夜| 国产欧美日韩综合在线一区二区| 99九九在线精品视频| 亚洲精品一区蜜桃| 香蕉丝袜av| av免费在线看不卡| 免费日韩欧美在线观看| 久久精品熟女亚洲av麻豆精品| 高清黄色对白视频在线免费看| xxx大片免费视频| 免费在线观看视频国产中文字幕亚洲 | 国产伦理片在线播放av一区| av免费观看日本| 亚洲 欧美一区二区三区| 香蕉精品网在线| 老汉色av国产亚洲站长工具| 搡女人真爽免费视频火全软件| 91精品国产国语对白视频| 亚洲精品国产av蜜桃| 欧美激情极品国产一区二区三区| 色婷婷av一区二区三区视频| 超碰成人久久| 久久这里有精品视频免费| 美女大奶头黄色视频| 国产精品欧美亚洲77777| www日本在线高清视频| 日本欧美视频一区| 亚洲一区二区三区欧美精品| 啦啦啦在线免费观看视频4| 18禁动态无遮挡网站| 国产白丝娇喘喷水9色精品| 日韩不卡一区二区三区视频在线| 嫩草影院入口| 波多野结衣av一区二区av| 亚洲欧美一区二区三区黑人 | 亚洲视频免费观看视频| 观看av在线不卡| 久久韩国三级中文字幕| 亚洲国产毛片av蜜桃av| 电影成人av| 精品一区在线观看国产| 免费看av在线观看网站| 美女高潮到喷水免费观看| 久久久精品国产亚洲av高清涩受| 夜夜骑夜夜射夜夜干| 丝袜喷水一区| 男女边摸边吃奶| 中国国产av一级| 丰满饥渴人妻一区二区三| 精品少妇黑人巨大在线播放| 亚洲欧洲国产日韩| 国产精品嫩草影院av在线观看| 日韩电影二区| 欧美人与性动交α欧美精品济南到 | 久久精品久久久久久久性| 国产探花极品一区二区| 女人精品久久久久毛片| 成年人午夜在线观看视频| 精品人妻在线不人妻| 亚洲av国产av综合av卡| 久久久久人妻精品一区果冻| 18禁动态无遮挡网站| 国产男女超爽视频在线观看| 亚洲综合色网址| 少妇 在线观看| 亚洲久久久国产精品| 26uuu在线亚洲综合色| 欧美日韩国产mv在线观看视频| 亚洲国产毛片av蜜桃av| 1024视频免费在线观看| 国产免费视频播放在线视频| 亚洲第一av免费看| 国产一区二区三区av在线| 美女福利国产在线| 成年女人在线观看亚洲视频| 午夜av观看不卡| 久久国产亚洲av麻豆专区| 高清在线视频一区二区三区| 大话2 男鬼变身卡| 人人妻人人添人人爽欧美一区卜| 国产日韩欧美亚洲二区| 日韩人妻精品一区2区三区| 亚洲国产精品一区三区| 丁香六月天网| 母亲3免费完整高清在线观看 | 美女午夜性视频免费| 麻豆av在线久日| 校园人妻丝袜中文字幕| 国产野战对白在线观看| 丝袜人妻中文字幕| 亚洲欧美一区二区三区久久| 亚洲精华国产精华液的使用体验| 日韩制服骚丝袜av| 亚洲欧美精品综合一区二区三区 | 免费久久久久久久精品成人欧美视频| 青春草国产在线视频| 看免费成人av毛片| 亚洲av福利一区| 亚洲欧美日韩另类电影网站| 国产在线视频一区二区| 国产精品人妻久久久影院| 狂野欧美激情性bbbbbb| 久久精品人人爽人人爽视色| www.熟女人妻精品国产| 久久精品国产亚洲av天美| 寂寞人妻少妇视频99o| 国产片内射在线| 午夜免费观看性视频| 日韩av不卡免费在线播放| 天堂8中文在线网| 亚洲少妇的诱惑av| 成人毛片60女人毛片免费| 美女xxoo啪啪120秒动态图| 天天躁夜夜躁狠狠躁躁| 久久精品国产亚洲av高清一级| 在线观看国产h片| 韩国精品一区二区三区| 亚洲av中文av极速乱| 国产成人免费无遮挡视频| 日韩视频在线欧美| 成人国产麻豆网| 免费日韩欧美在线观看| 国产一区二区激情短视频 | 国产伦理片在线播放av一区| 国产精品秋霞免费鲁丝片| 女性被躁到高潮视频| 欧美激情 高清一区二区三区| 中文字幕人妻熟女乱码| 侵犯人妻中文字幕一二三四区| 亚洲中文av在线| 国产亚洲欧美精品永久| 妹子高潮喷水视频| 国产免费福利视频在线观看| 免费观看无遮挡的男女| 另类亚洲欧美激情| 女人精品久久久久毛片| 欧美亚洲日本最大视频资源| 人成视频在线观看免费观看| 综合色丁香网| 在线观看免费视频网站a站| 99香蕉大伊视频| 在线 av 中文字幕| 在线天堂中文资源库| 中文精品一卡2卡3卡4更新| 亚洲精品中文字幕在线视频| 男女下面插进去视频免费观看| 校园人妻丝袜中文字幕| 精品人妻在线不人妻| 99热国产这里只有精品6| 在线 av 中文字幕| 久久久国产精品麻豆| 国产亚洲午夜精品一区二区久久| 亚洲精品国产av蜜桃| 人成视频在线观看免费观看| 丰满少妇做爰视频| 捣出白浆h1v1| 免费久久久久久久精品成人欧美视频| 亚洲伊人色综图| 亚洲精品自拍成人| 好男人视频免费观看在线| 久久久精品免费免费高清| 一区二区av电影网| 久久精品久久久久久久性| av.在线天堂| 色视频在线一区二区三区| 欧美av亚洲av综合av国产av | 亚洲色图综合在线观看| 国产又色又爽无遮挡免| 免费不卡的大黄色大毛片视频在线观看| 建设人人有责人人尽责人人享有的| 黑丝袜美女国产一区| 成人漫画全彩无遮挡| tube8黄色片| 91aial.com中文字幕在线观看| 日本欧美国产在线视频| 国产男女超爽视频在线观看| 久久99热这里只频精品6学生| 免费少妇av软件| 日本色播在线视频| 一二三四在线观看免费中文在| 午夜福利在线免费观看网站| 青青草视频在线视频观看| 久久久a久久爽久久v久久| 亚洲天堂av无毛| 国产精品久久久久久精品电影小说| 国产在线免费精品| 亚洲情色 制服丝袜| 国产日韩欧美在线精品| 午夜av观看不卡| 久久久久网色| 国产有黄有色有爽视频| 日日摸夜夜添夜夜爱| 一区二区日韩欧美中文字幕| 免费不卡的大黄色大毛片视频在线观看| 老汉色∧v一级毛片| 天天操日日干夜夜撸| 黄色毛片三级朝国网站| 亚洲国产精品999| 少妇的丰满在线观看| 国产精品久久久久久久久免| 只有这里有精品99| 咕卡用的链子| 五月开心婷婷网| 久久午夜综合久久蜜桃| 一区二区日韩欧美中文字幕| 亚洲av福利一区| 九九爱精品视频在线观看| 亚洲精品久久久久久婷婷小说| 国语对白做爰xxxⅹ性视频网站| 亚洲成av片中文字幕在线观看 | 日日啪夜夜爽| 人人妻人人澡人人看| 在线免费观看不下载黄p国产| 人体艺术视频欧美日本| 久久青草综合色| 久久久精品免费免费高清| 十分钟在线观看高清视频www| 蜜桃国产av成人99| 久久99蜜桃精品久久| 亚洲精品日本国产第一区| 夫妻性生交免费视频一级片| 久久精品久久精品一区二区三区| 国产伦理片在线播放av一区| 国产高清国产精品国产三级| 日韩电影二区| 午夜激情久久久久久久| 亚洲欧美色中文字幕在线| 又大又黄又爽视频免费| 国产成人欧美| 国产精品偷伦视频观看了| 五月天丁香电影| 国产精品一区二区在线观看99| 成人漫画全彩无遮挡| 在线观看免费视频网站a站| 十分钟在线观看高清视频www| 中文字幕亚洲精品专区| 婷婷色综合大香蕉| 婷婷成人精品国产| 日本av免费视频播放| 一级a爱视频在线免费观看| 香蕉丝袜av| 国产成人a∨麻豆精品| 91精品三级在线观看| 伦理电影免费视频| 国产av一区二区精品久久| 各种免费的搞黄视频| 91精品伊人久久大香线蕉| av视频免费观看在线观看| 久久久久视频综合| 丝袜喷水一区| 免费不卡的大黄色大毛片视频在线观看| 成年av动漫网址| 街头女战士在线观看网站| 9热在线视频观看99| 精品国产乱码久久久久久男人| 啦啦啦在线免费观看视频4| 亚洲欧美成人精品一区二区| 中国国产av一级| 人妻 亚洲 视频| 亚洲综合色网址| 涩涩av久久男人的天堂| 少妇人妻 视频| 国产精品久久久久久精品古装| 18在线观看网站| a 毛片基地| 天堂中文最新版在线下载| 精品少妇内射三级| 成人免费观看视频高清| 午夜久久久在线观看| 久久精品国产亚洲av天美| 日韩中字成人| 亚洲精品国产av蜜桃| 亚洲熟女精品中文字幕| 日韩中文字幕欧美一区二区 | 亚洲欧美精品自产自拍| 天天躁日日躁夜夜躁夜夜| 性高湖久久久久久久久免费观看| 卡戴珊不雅视频在线播放| 欧美+日韩+精品| 久久影院123| 另类亚洲欧美激情| 制服人妻中文乱码| 熟女av电影| 国产人伦9x9x在线观看 | 久久精品久久精品一区二区三区| 日韩,欧美,国产一区二区三区| 成人18禁高潮啪啪吃奶动态图| 国产精品国产av在线观看| 国产精品三级大全| 另类亚洲欧美激情| 丰满迷人的少妇在线观看| 80岁老熟妇乱子伦牲交| 亚洲欧洲精品一区二区精品久久久 | 伊人久久大香线蕉亚洲五| 波多野结衣一区麻豆| 久久久久久免费高清国产稀缺| 国产精品国产三级专区第一集| 一级a爱视频在线免费观看| 久久久久久久久久久久大奶| 在线免费观看不下载黄p国产| 久久久亚洲精品成人影院| 久久久久精品性色| 午夜日本视频在线| 建设人人有责人人尽责人人享有的| 亚洲av中文av极速乱| 在线免费观看不下载黄p国产| 男女边摸边吃奶| 少妇 在线观看| 日韩av在线免费看完整版不卡| 亚洲欧美一区二区三区国产| 国产精品国产三级专区第一集| 99热全是精品| 午夜av观看不卡| 另类精品久久| 99香蕉大伊视频| 中文字幕制服av| av福利片在线| 精品亚洲乱码少妇综合久久| 亚洲一级一片aⅴ在线观看| 波多野结衣av一区二区av| 亚洲一级一片aⅴ在线观看| 久久久国产欧美日韩av| 国产精品人妻久久久影院| 久久国产精品男人的天堂亚洲| av又黄又爽大尺度在线免费看| 在线观看人妻少妇| 高清av免费在线| 久久精品aⅴ一区二区三区四区 | 久久婷婷青草| 久久久精品94久久精品| 亚洲第一青青草原| 亚洲 欧美一区二区三区| 免费大片黄手机在线观看| 国产1区2区3区精品| 90打野战视频偷拍视频| 又黄又粗又硬又大视频| 国产成人精品无人区| 国产精品嫩草影院av在线观看| 男女下面插进去视频免费观看| 9热在线视频观看99| 天天躁夜夜躁狠狠久久av| 水蜜桃什么品种好| 91国产中文字幕| 欧美亚洲日本最大视频资源| 搡女人真爽免费视频火全软件| 亚洲伊人色综图| 十分钟在线观看高清视频www| 天天躁狠狠躁夜夜躁狠狠躁| 国产精品三级大全| 午夜福利,免费看| 亚洲精品久久午夜乱码| 亚洲成色77777| 精品久久久精品久久久| 纵有疾风起免费观看全集完整版| 日韩一区二区三区影片| 欧美日韩一级在线毛片| 极品少妇高潮喷水抽搐| 在线观看三级黄色| 1024香蕉在线观看| av国产精品久久久久影院| 成人免费观看视频高清| 欧美 亚洲 国产 日韩一| 永久网站在线| 一级a爱视频在线免费观看| 超色免费av| 如何舔出高潮| 久久精品久久久久久噜噜老黄| 伊人久久国产一区二区| 高清av免费在线| 18+在线观看网站| 我的亚洲天堂| 老司机影院毛片| av电影中文网址| 满18在线观看网站| 99热全是精品| 久久久久精品久久久久真实原创| 国产亚洲av片在线观看秒播厂| 欧美精品国产亚洲| 18+在线观看网站| 日本av手机在线免费观看| 亚洲中文av在线| av电影中文网址| 亚洲精品aⅴ在线观看| 最近2019中文字幕mv第一页| 香蕉国产在线看| 久久久久久久国产电影| 色吧在线观看| 久久久精品免费免费高清| 久久人人爽av亚洲精品天堂| 久久久久久久久久久免费av| av不卡在线播放| 男的添女的下面高潮视频| 日韩中文字幕欧美一区二区 | 两性夫妻黄色片| 熟妇人妻不卡中文字幕| 亚洲国产欧美在线一区| a级片在线免费高清观看视频| 亚洲国产色片| 狠狠婷婷综合久久久久久88av| 亚洲欧美中文字幕日韩二区| 成人手机av| 九九爱精品视频在线观看| 日韩中文字幕视频在线看片| 考比视频在线观看| 日韩成人av中文字幕在线观看| 看十八女毛片水多多多| 女性被躁到高潮视频| 2022亚洲国产成人精品| 女的被弄到高潮叫床怎么办| 一级毛片 在线播放| 成年女人在线观看亚洲视频| 日韩成人av中文字幕在线观看| 亚洲av电影在线进入| 国产老妇伦熟女老妇高清| av在线观看视频网站免费| 女的被弄到高潮叫床怎么办| 精品久久蜜臀av无| 亚洲精华国产精华液的使用体验| 久久韩国三级中文字幕| 亚洲精品aⅴ在线观看| 一区二区三区激情视频| 久久这里只有精品19| 国产成人精品一,二区| 亚洲精品国产色婷婷电影| www.av在线官网国产| 春色校园在线视频观看| 亚洲一区二区三区欧美精品| 久久久久久人妻| 少妇的丰满在线观看| 国产不卡av网站在线观看| 国精品久久久久久国模美| 精品国产露脸久久av麻豆| 久久久久精品性色| 美女主播在线视频| 国产免费又黄又爽又色| 国产成人av激情在线播放| 老司机影院毛片| 777久久人妻少妇嫩草av网站| 日本色播在线视频| 午夜影院在线不卡| 欧美日韩视频高清一区二区三区二| 国产一区二区激情短视频 | 欧美日韩视频精品一区| 男女午夜视频在线观看| 一级毛片电影观看| 亚洲经典国产精华液单| 欧美日韩精品网址| 婷婷色综合大香蕉| 精品一区二区三卡| 久久青草综合色| 午夜福利在线观看免费完整高清在| 青春草国产在线视频| 精品久久久久久电影网| 午夜福利一区二区在线看| 日日摸夜夜添夜夜爱| 午夜福利网站1000一区二区三区| 飞空精品影院首页| 啦啦啦在线观看免费高清www| 欧美激情 高清一区二区三区| 王馨瑶露胸无遮挡在线观看| 一级,二级,三级黄色视频| 纯流量卡能插随身wifi吗| 777米奇影视久久| 国产伦理片在线播放av一区| 亚洲综合精品二区| 只有这里有精品99| 久久久国产欧美日韩av| 亚洲伊人色综图| 国产精品三级大全| 久久久久久久久久久免费av| 欧美精品亚洲一区二区| 亚洲欧美成人综合另类久久久| 精品国产一区二区三区四区第35| 久久久久久久精品精品| 高清黄色对白视频在线免费看| 丝袜在线中文字幕| 久久久国产一区二区| 亚洲精品美女久久av网站| 国产精品久久久久成人av| 国产精品国产三级专区第一集| 高清在线视频一区二区三区| 在线观看国产h片| 99国产综合亚洲精品| 韩国av在线不卡| 七月丁香在线播放| 高清视频免费观看一区二区| 不卡av一区二区三区| 如日韩欧美国产精品一区二区三区| 国产精品麻豆人妻色哟哟久久| 成人漫画全彩无遮挡| 你懂的网址亚洲精品在线观看| 热re99久久精品国产66热6| 国产精品亚洲av一区麻豆 | 中文字幕人妻熟女乱码| 日韩精品免费视频一区二区三区| 91精品国产国语对白视频| 日韩人妻精品一区2区三区| 久久久久久久国产电影| 欧美另类一区| 大陆偷拍与自拍| 少妇熟女欧美另类| 最近最新中文字幕免费大全7| 亚洲男人天堂网一区| 99久国产av精品国产电影| 汤姆久久久久久久影院中文字幕| 男女午夜视频在线观看| 青青草视频在线视频观看| 大话2 男鬼变身卡| 18禁观看日本| √禁漫天堂资源中文www| 亚洲人成77777在线视频| 国产乱来视频区| 久久久久视频综合| 看免费成人av毛片| 亚洲欧美一区二区三区国产| 精品久久久久久电影网| 午夜福利,免费看| av不卡在线播放| 少妇被粗大猛烈的视频| 两个人免费观看高清视频| 丰满少妇做爰视频| 国产精品一国产av| 十八禁高潮呻吟视频| 精品第一国产精品| 男女免费视频国产| 欧美成人午夜免费资源| 亚洲国产精品一区三区| 寂寞人妻少妇视频99o| 999久久久国产精品视频| 多毛熟女@视频| 99国产综合亚洲精品| 国产精品久久久久久精品古装| 亚洲精品国产一区二区精华液| 国产精品.久久久| 少妇熟女欧美另类| 久久久久国产一级毛片高清牌| av有码第一页| 久久人人爽人人片av| av又黄又爽大尺度在线免费看| www.av在线官网国产| 精品少妇一区二区三区视频日本电影 | 午夜日本视频在线| tube8黄色片| 国产1区2区3区精品| 亚洲人成电影观看| 日韩视频在线欧美| 热re99久久国产66热| 久久99蜜桃精品久久| 国产精品香港三级国产av潘金莲 | av国产精品久久久久影院| 91午夜精品亚洲一区二区三区| 久久久国产欧美日韩av| 久久97久久精品| 国产黄色免费在线视频| 在线观看一区二区三区激情| 午夜福利视频精品| 亚洲精品,欧美精品| 一区福利在线观看| av国产久精品久网站免费入址| 午夜av观看不卡|