• <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
    妹子高潮喷水视频| 久久这里只有精品19| 国产区一区二久久| 国产在线精品亚洲第一网站| 欧美成人午夜精品| 岛国视频午夜一区免费看| 欧美zozozo另类| 国产97色在线日韩免费| 国产伦一二天堂av在线观看| 亚洲美女黄片视频| 久久久久久大精品| 久久久精品国产亚洲av高清涩受| netflix在线观看网站| 久久久久久九九精品二区国产 | 搡老岳熟女国产| 变态另类丝袜制服| 大香蕉久久成人网| 欧美一级a爱片免费观看看 | 黄色女人牲交| 亚洲欧美一区二区三区黑人| 禁无遮挡网站| 老司机福利观看| 夜夜躁狠狠躁天天躁| 可以在线观看毛片的网站| 国产精品亚洲一级av第二区| 日韩欧美一区二区三区在线观看| 1024视频免费在线观看| 精品第一国产精品| 国产熟女xx| 欧美日韩瑟瑟在线播放| 中文资源天堂在线| 搞女人的毛片| 搞女人的毛片| av免费在线观看网站| 成人特级黄色片久久久久久久| 99久久久亚洲精品蜜臀av| 精品电影一区二区在线| 精品久久久久久,| 国产精品久久久人人做人人爽| 深夜精品福利| 亚洲中文av在线| 久久中文字幕人妻熟女| 国产精品 国内视频| 欧美色视频一区免费| 日韩一卡2卡3卡4卡2021年| 99精品在免费线老司机午夜| 亚洲三区欧美一区| 亚洲精品美女久久久久99蜜臀| 日本 欧美在线| 可以免费在线观看a视频的电影网站| 看黄色毛片网站| 免费在线观看影片大全网站| 啦啦啦 在线观看视频| 男人操女人黄网站| 高潮久久久久久久久久久不卡| 熟女电影av网| 国产精品一区二区三区四区久久 | 9191精品国产免费久久| 国产男靠女视频免费网站| 久久久久久国产a免费观看| 欧美色视频一区免费| 国产在线精品亚洲第一网站| 老汉色∧v一级毛片| 欧美黄色片欧美黄色片| 嫁个100分男人电影在线观看| 亚洲第一电影网av| 亚洲三区欧美一区| 亚洲精品粉嫩美女一区| 亚洲欧美激情综合另类| 美女国产高潮福利片在线看| 欧美午夜高清在线| 一区二区三区精品91| 国产高清videossex| 色老头精品视频在线观看| 日韩免费av在线播放| 在线观看66精品国产| 两个人看的免费小视频| 又紧又爽又黄一区二区| 精华霜和精华液先用哪个| 国产亚洲欧美在线一区二区| cao死你这个sao货| 久99久视频精品免费| 色av中文字幕| 黄色丝袜av网址大全| 欧美成狂野欧美在线观看| 久久精品国产99精品国产亚洲性色| 久久午夜综合久久蜜桃| 中文资源天堂在线| 国产一级毛片七仙女欲春2 | 亚洲七黄色美女视频| 露出奶头的视频| 日日干狠狠操夜夜爽| 最近最新免费中文字幕在线| 午夜福利视频1000在线观看| 麻豆国产av国片精品| 国内精品久久久久久久电影| 国产单亲对白刺激| 淫妇啪啪啪对白视频| 91在线观看av| 熟女电影av网| 亚洲国产精品999在线| 亚洲熟妇熟女久久| 色精品久久人妻99蜜桃| 亚洲欧美激情综合另类| 一区二区三区国产精品乱码| 亚洲真实伦在线观看| 俄罗斯特黄特色一大片| 亚洲国产精品久久男人天堂| 国产成人欧美| 日韩视频一区二区在线观看| 十分钟在线观看高清视频www| 国产免费男女视频| 亚洲激情在线av| 午夜福利视频1000在线观看| 中文字幕久久专区| 国产亚洲精品第一综合不卡| cao死你这个sao货| 91大片在线观看| 久久久久久免费高清国产稀缺| 欧美黑人欧美精品刺激| 在线看三级毛片| 超碰成人久久| 午夜激情福利司机影院| 中文字幕av电影在线播放| 亚洲av成人不卡在线观看播放网| 欧美在线一区亚洲| 国内精品久久久久精免费| 久久久久久九九精品二区国产 | 欧美人与性动交α欧美精品济南到| 国产激情欧美一区二区| 一级a爱片免费观看的视频| cao死你这个sao货| 最近最新中文字幕大全电影3 | 母亲3免费完整高清在线观看| 午夜久久久在线观看| 午夜激情av网站| 国产欧美日韩一区二区三| 国产色视频综合| 久久 成人 亚洲| 午夜影院日韩av| cao死你这个sao货| 成人一区二区视频在线观看| 国产在线观看jvid| 成人手机av| 一级毛片精品| 在线观看一区二区三区| 好男人在线观看高清免费视频 | 亚洲国产欧美一区二区综合| 国产激情偷乱视频一区二区| 久久精品aⅴ一区二区三区四区| 18禁裸乳无遮挡免费网站照片 | 老司机深夜福利视频在线观看| 久久久久国内视频| 这个男人来自地球电影免费观看| 99在线视频只有这里精品首页| 美女扒开内裤让男人捅视频| 欧美亚洲日本最大视频资源| АⅤ资源中文在线天堂| 欧美黄色淫秽网站| 亚洲一区中文字幕在线| 国产黄a三级三级三级人| 99热6这里只有精品| 国产亚洲精品一区二区www| 在线视频色国产色| 欧美成人一区二区免费高清观看 | 最近在线观看免费完整版| 一级毛片精品| 久久国产乱子伦精品免费另类| 狠狠狠狠99中文字幕| 国产成人啪精品午夜网站| 婷婷精品国产亚洲av| 99精品欧美一区二区三区四区| 日韩有码中文字幕| 女性被躁到高潮视频| 18禁国产床啪视频网站| 亚洲一卡2卡3卡4卡5卡精品中文| 天天一区二区日本电影三级| 国产黄a三级三级三级人| 在线av久久热| 精品国产亚洲在线| 18禁美女被吸乳视频| 制服人妻中文乱码| 精品久久久久久,| 嫁个100分男人电影在线观看| 麻豆一二三区av精品| 久久久国产欧美日韩av| 免费看十八禁软件| 久久青草综合色| 午夜免费成人在线视频| 精品久久久久久久末码| 色综合婷婷激情| 久久国产精品男人的天堂亚洲| 久久精品成人免费网站| 男男h啪啪无遮挡| 搡老岳熟女国产| 丝袜人妻中文字幕| 久久 成人 亚洲| 成人三级黄色视频| 好男人在线观看高清免费视频 | 中国美女看黄片| 日日摸夜夜添夜夜添小说| 亚洲成人精品中文字幕电影| 久久精品成人免费网站| 香蕉久久夜色| 在线免费观看的www视频| 真人一进一出gif抽搐免费| 在线观看舔阴道视频| 国产不卡一卡二| 1024手机看黄色片| 午夜激情av网站| av有码第一页| 丰满人妻熟妇乱又伦精品不卡| 12—13女人毛片做爰片一| 免费看美女性在线毛片视频| 欧美一级a爱片免费观看看 | 亚洲精华国产精华精| 我的亚洲天堂| 久久久国产欧美日韩av| 国产欧美日韩一区二区精品| 曰老女人黄片| 久久久久久大精品| 欧美久久黑人一区二区| 国产一区在线观看成人免费| 可以在线观看的亚洲视频| 国产精品一区二区精品视频观看| 国产一区二区三区在线臀色熟女| 日本在线视频免费播放| 婷婷精品国产亚洲av在线| 色精品久久人妻99蜜桃| 亚洲自偷自拍图片 自拍| 亚洲国产欧洲综合997久久, | 欧美午夜高清在线| 女人被狂操c到高潮| 亚洲熟女毛片儿| 国产精品自产拍在线观看55亚洲| 91大片在线观看| 精品人妻1区二区| 99久久无色码亚洲精品果冻| 国产1区2区3区精品| 日韩精品免费视频一区二区三区| 桃色一区二区三区在线观看| 99久久久亚洲精品蜜臀av| 搡老妇女老女人老熟妇| 国产激情欧美一区二区| 国产精品免费一区二区三区在线| 精品午夜福利视频在线观看一区| 波多野结衣高清无吗| 这个男人来自地球电影免费观看| 国产亚洲精品一区二区www| 日韩欧美三级三区| 可以免费在线观看a视频的电影网站| 精品国产超薄肉色丝袜足j| 亚洲九九香蕉| 欧美最黄视频在线播放免费| 在线永久观看黄色视频| 久久精品国产99精品国产亚洲性色| 日韩中文字幕欧美一区二区| 亚洲七黄色美女视频| 可以在线观看毛片的网站| 国产又色又爽无遮挡免费看| 国产成人一区二区三区免费视频网站| 精品不卡国产一区二区三区| 欧美成人性av电影在线观看| 中文字幕久久专区| 他把我摸到了高潮在线观看| 国产v大片淫在线免费观看| 精品一区二区三区视频在线观看免费| 麻豆成人av在线观看| 国产亚洲欧美在线一区二区| 亚洲成国产人片在线观看| 手机成人av网站| 亚洲精品国产精品久久久不卡| 欧美另类亚洲清纯唯美| 91成人精品电影| 成年人黄色毛片网站| 欧美 亚洲 国产 日韩一| 国产欧美日韩精品亚洲av| 色av中文字幕| 国产精品久久久av美女十八| 久久久精品国产亚洲av高清涩受| 身体一侧抽搐| 日韩大码丰满熟妇| 亚洲国产精品合色在线| 久久中文字幕人妻熟女| 看片在线看免费视频| 久热这里只有精品99| 最新在线观看一区二区三区| 91字幕亚洲| 日韩高清综合在线| 亚洲国产精品合色在线| 久久人妻福利社区极品人妻图片| 成人精品一区二区免费| 久久久久久久久久黄片| 丰满人妻熟妇乱又伦精品不卡| 亚洲真实伦在线观看| 真人一进一出gif抽搐免费| 手机成人av网站| 亚洲人成77777在线视频| 制服人妻中文乱码| 久热这里只有精品99| 桃色一区二区三区在线观看| 国产精品久久久久久亚洲av鲁大| av福利片在线| 999久久久精品免费观看国产| 男女视频在线观看网站免费 | 精品国产国语对白av| 久久人人精品亚洲av| 18禁国产床啪视频网站| 桃红色精品国产亚洲av| 欧美日韩精品网址| 日本a在线网址| 亚洲av中文字字幕乱码综合 | 精品国产国语对白av| 免费高清视频大片| 国产又黄又爽又无遮挡在线| 日韩欧美一区二区三区在线观看| 成人亚洲精品av一区二区| 欧美日本亚洲视频在线播放| 国产国语露脸激情在线看| 久久香蕉精品热| 成人午夜高清在线视频 | 69av精品久久久久久| 色播在线永久视频| 天堂√8在线中文| 午夜成年电影在线免费观看| 啦啦啦免费观看视频1| 99久久国产精品久久久| 日本免费一区二区三区高清不卡| 久久午夜亚洲精品久久| 又紧又爽又黄一区二区| 欧美黑人巨大hd| 熟妇人妻久久中文字幕3abv| 俄罗斯特黄特色一大片| 色播在线永久视频| 亚洲av日韩精品久久久久久密| 久久热在线av| 精品国产美女av久久久久小说| www国产在线视频色| 欧美+亚洲+日韩+国产| 两性夫妻黄色片| 亚洲专区国产一区二区| 免费人成视频x8x8入口观看| 色老头精品视频在线观看| 91av网站免费观看| 久久精品国产综合久久久| 哪里可以看免费的av片| 夜夜躁狠狠躁天天躁| 国产蜜桃级精品一区二区三区| 久久久久国产一级毛片高清牌| 此物有八面人人有两片| 好男人在线观看高清免费视频 | 非洲黑人性xxxx精品又粗又长| 999精品在线视频| 18禁裸乳无遮挡免费网站照片 | 51午夜福利影视在线观看| 看片在线看免费视频| 99精品欧美一区二区三区四区| 午夜久久久久精精品| 两个人免费观看高清视频| 一卡2卡三卡四卡精品乱码亚洲| 欧美又色又爽又黄视频| 国产国语露脸激情在线看| 不卡一级毛片| 精品欧美国产一区二区三| 亚洲五月色婷婷综合| 免费人成视频x8x8入口观看| 岛国在线观看网站| av视频在线观看入口| 国产熟女xx| 国产精品爽爽va在线观看网站 | 香蕉av资源在线| 欧美另类亚洲清纯唯美| 日韩欧美一区视频在线观看| 法律面前人人平等表现在哪些方面| 美女午夜性视频免费| 国产精品亚洲av一区麻豆| 自线自在国产av| 亚洲人成电影免费在线| 国内少妇人妻偷人精品xxx网站 | 国产成人影院久久av| 国产精品一区二区精品视频观看| av超薄肉色丝袜交足视频| 欧美日韩瑟瑟在线播放| 亚洲一码二码三码区别大吗| 岛国在线观看网站| 人成视频在线观看免费观看| 精品福利观看| 久久天躁狠狠躁夜夜2o2o| 亚洲色图av天堂| 亚洲aⅴ乱码一区二区在线播放 | 久久中文看片网| 91大片在线观看| 亚洲成人国产一区在线观看| 成人18禁高潮啪啪吃奶动态图| 久久精品国产清高在天天线| 级片在线观看| 亚洲成人国产一区在线观看| 精品国产乱子伦一区二区三区| 日本精品一区二区三区蜜桃| 欧美最黄视频在线播放免费| 欧美性猛交黑人性爽| 久久久久久久久中文| 露出奶头的视频| 亚洲中文日韩欧美视频| 天天添夜夜摸| 无限看片的www在线观看| 黄色视频,在线免费观看| 美国免费a级毛片| 极品教师在线免费播放| 美国免费a级毛片| 亚洲九九香蕉| 亚洲最大成人中文| av超薄肉色丝袜交足视频| 午夜激情av网站| 老鸭窝网址在线观看| 777久久人妻少妇嫩草av网站| 色播亚洲综合网| 亚洲色图av天堂| 老鸭窝网址在线观看| 麻豆成人av在线观看| 视频在线观看一区二区三区| 亚洲熟女毛片儿| 香蕉国产在线看| 麻豆久久精品国产亚洲av| 国产真实乱freesex| 久久精品人妻少妇| 国产区一区二久久| 日韩精品免费视频一区二区三区| 中文字幕最新亚洲高清| 女生性感内裤真人,穿戴方法视频| 一级毛片高清免费大全| 91av网站免费观看| 免费无遮挡裸体视频| 老鸭窝网址在线观看| 一二三四在线观看免费中文在| 久久久久国内视频| 悠悠久久av| 一进一出抽搐动态| 亚洲精品一区av在线观看| 亚洲成a人片在线一区二区| 男女午夜视频在线观看| 欧美日韩亚洲国产一区二区在线观看| 国产一卡二卡三卡精品| 夜夜躁狠狠躁天天躁| 天堂√8在线中文| 国产精品野战在线观看| 日韩视频一区二区在线观看| 两性午夜刺激爽爽歪歪视频在线观看 | 草草在线视频免费看| 国产精品永久免费网站| avwww免费| 高清在线国产一区| 日本一本二区三区精品| 深夜精品福利| 人人妻人人看人人澡| 久久人妻福利社区极品人妻图片| 老司机在亚洲福利影院| 青草久久国产| 神马国产精品三级电影在线观看 | 成人精品一区二区免费| 国产黄色小视频在线观看| 国产精品98久久久久久宅男小说| 在线观看免费日韩欧美大片| 999久久久国产精品视频| 国产97色在线日韩免费| 一区二区日韩欧美中文字幕| 亚洲欧美日韩高清在线视频| 久久久久久大精品| 少妇熟女aⅴ在线视频| 色精品久久人妻99蜜桃| 老司机靠b影院| 99热6这里只有精品| 搡老岳熟女国产| 国产片内射在线| 亚洲精品色激情综合| 成人精品一区二区免费| 最近最新中文字幕大全免费视频| 黄网站色视频无遮挡免费观看| 亚洲一卡2卡3卡4卡5卡精品中文| 91成人精品电影| 日韩欧美在线二视频| 岛国视频午夜一区免费看| 久久国产亚洲av麻豆专区| av在线天堂中文字幕| 欧美日韩瑟瑟在线播放| 午夜亚洲福利在线播放| 搡老熟女国产l中国老女人| 91成年电影在线观看| 午夜成年电影在线免费观看| 天天躁狠狠躁夜夜躁狠狠躁| 很黄的视频免费| 国产av在哪里看| 欧美成人免费av一区二区三区| 色综合亚洲欧美另类图片| 精品国产乱子伦一区二区三区| 露出奶头的视频| 色老头精品视频在线观看| 国产精华一区二区三区| 午夜影院日韩av| 色尼玛亚洲综合影院| 亚洲熟妇熟女久久| 国产免费男女视频| 久久九九热精品免费| 午夜福利在线在线| www.精华液| 久久久水蜜桃国产精品网| 女人爽到高潮嗷嗷叫在线视频| 亚洲aⅴ乱码一区二区在线播放 | 亚洲国产欧洲综合997久久, | 中国美女看黄片| 一进一出抽搐gif免费好疼| 最新在线观看一区二区三区| 一进一出好大好爽视频| 亚洲av中文字字幕乱码综合 | 国产一级毛片七仙女欲春2 | 欧美激情 高清一区二区三区| 一级毛片高清免费大全| 亚洲国产精品成人综合色| 动漫黄色视频在线观看| 国产区一区二久久| 91麻豆精品激情在线观看国产| 国产激情偷乱视频一区二区| 精品免费久久久久久久清纯| 欧美成人午夜精品| 无人区码免费观看不卡| www日本黄色视频网| 久久人妻av系列| 欧美激情极品国产一区二区三区| www日本在线高清视频| 国产成人影院久久av| 97碰自拍视频| 日本在线视频免费播放| 欧美日韩中文字幕国产精品一区二区三区| 色老头精品视频在线观看| 制服诱惑二区| 丁香欧美五月| xxx96com| 成在线人永久免费视频| av免费在线观看网站| 1024手机看黄色片| 久久国产乱子伦精品免费另类| 国产精品 欧美亚洲| 变态另类丝袜制服| 日本熟妇午夜| 给我免费播放毛片高清在线观看| 亚洲精品在线观看二区| 久久伊人香网站| 免费高清视频大片| 老司机深夜福利视频在线观看| 又大又爽又粗| 波多野结衣高清无吗| 欧美中文综合在线视频| 成人免费观看视频高清| 亚洲精品一卡2卡三卡4卡5卡| 一进一出抽搐动态| av在线播放免费不卡| 日日夜夜操网爽| 国产成人精品久久二区二区91| 999精品在线视频| 亚洲一区高清亚洲精品| 他把我摸到了高潮在线观看| 精品久久久久久久人妻蜜臀av| 狠狠狠狠99中文字幕| 不卡一级毛片| 免费看日本二区| 18禁国产床啪视频网站| 91在线观看av| 久久精品成人免费网站| 国产精品久久久久久亚洲av鲁大| 国产久久久一区二区三区| 国产一区二区在线av高清观看| 日本熟妇午夜| 亚洲一卡2卡3卡4卡5卡精品中文| 国产又色又爽无遮挡免费看| 日日爽夜夜爽网站| 99久久无色码亚洲精品果冻| www.自偷自拍.com| 国内久久婷婷六月综合欲色啪| 啦啦啦 在线观看视频| 欧美日韩瑟瑟在线播放| 最近在线观看免费完整版| 国产在线观看jvid| 国产成人av激情在线播放| 欧美日韩亚洲综合一区二区三区_| 麻豆成人av在线观看| 国内精品久久久久久久电影| 18禁国产床啪视频网站| 国产免费男女视频| 久9热在线精品视频| av在线播放免费不卡| 真人做人爱边吃奶动态| 久久精品91无色码中文字幕| 久久久久久九九精品二区国产 | 亚洲五月色婷婷综合| 久久精品国产99精品国产亚洲性色| 变态另类丝袜制服| 久久国产精品影院| 国产成人欧美在线观看| 国产精品九九99| 国产视频一区二区在线看| 精品欧美一区二区三区在线| 亚洲无线在线观看| 精品国产亚洲在线| 99热这里只有精品一区 | 亚洲欧美日韩无卡精品| 欧美最黄视频在线播放免费| 18美女黄网站色大片免费观看| 亚洲自拍偷在线| 免费观看精品视频网站| 亚洲国产欧美一区二区综合| 村上凉子中文字幕在线| 中文字幕av电影在线播放| 十八禁人妻一区二区| 亚洲国产看品久久| 国产熟女xx|