• <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 ?

    基于多尺度跳躍深度長(zhǎng)短期記憶網(wǎng)絡(luò)的短期多變量負(fù)荷預(yù)測(cè)

    2021-01-21 03:23:34鄭楷洪鄭鎮(zhèn)境馬千里
    計(jì)算機(jī)應(yīng)用 2021年1期
    關(guān)鍵詞:模型

    肖 勇,鄭楷洪,鄭鎮(zhèn)境,錢 斌,李 森,馬千里*

    (1.南方電網(wǎng)科學(xué)研究院有限責(zé)任公司,廣州 510080;2.華南理工大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院,廣州 510006)

    0 引言

    隨著社會(huì)經(jīng)濟(jì)的發(fā)展和人民生活水平的提高,對(duì)供電質(zhì)量提出了更高的要求。精確的電力負(fù)荷預(yù)測(cè)能為電量生產(chǎn)和供電調(diào)度提供可靠的指導(dǎo),從而提升電力系統(tǒng)的供電質(zhì)量。

    傳統(tǒng)的電力負(fù)荷預(yù)測(cè)方法有時(shí)間序列分析[1]、回歸分析[2]和卡爾曼濾波[3]等。隨著人工智能技術(shù)的發(fā)展,神經(jīng)網(wǎng)絡(luò)[4-5]、支持向量回歸[6]和高斯過(guò)程[7]等智能方法被應(yīng)用于電力負(fù)荷預(yù)測(cè),其中神經(jīng)網(wǎng)絡(luò)擁有較強(qiáng)的非線性擬合和自學(xué)習(xí)能力,能夠較好地解決傳統(tǒng)方法非線性擬合能力差的缺陷。循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)[8]是一類擁有循環(huán)連接的神經(jīng)網(wǎng)絡(luò),能夠?qū)r(shí)序數(shù)據(jù)進(jìn)行建模。因此,在人工智能方法中使用RNN 為主體構(gòu)建的預(yù)測(cè)模型成為短期電力負(fù)荷預(yù)測(cè)模型的典型代表。雖然RNN 具有時(shí)序建模的能力,但存在“梯度消失”和“梯度爆炸”的問題。為了解決該問題,Hochreiter 等[9]提出了長(zhǎng)短期記憶(Long Short-Term Memory,LSTM)網(wǎng)絡(luò)。文獻(xiàn)[10]和文獻(xiàn)[11]成功將LSTM 應(yīng)用到短期電力負(fù)荷預(yù)測(cè)中,提升了負(fù)荷預(yù)測(cè)精度。然而,短期電力負(fù)荷數(shù)據(jù)中存在著多尺度時(shí)序特征,其具體表現(xiàn)為在年、月、星期和日不同期限上均具有明顯的周期性[12]。近年來(lái),在時(shí)間序列分類[13]和聚類[14]任務(wù)中,多尺度特征已經(jīng)展示出能有效提升模型性能的潛力。然而,如何高效地對(duì)存在于短期電力負(fù)荷數(shù)據(jù)中的多尺度時(shí)間結(jié)構(gòu)進(jìn)行建模,進(jìn)一步提升短期電力負(fù)荷預(yù)測(cè)的精度,仍未得到廣泛的研究。

    針對(duì)電力負(fù)荷數(shù)據(jù)中存在的多尺度時(shí)間結(jié)構(gòu),本文提出了一種基于多尺度跳躍深度LSTM(Multi-scale Skip Deep Long Short-Term Memory,MSD-LSTM)的短期電力負(fù)荷預(yù)測(cè)模型。該模型使用多層LSTM 網(wǎng)絡(luò)架構(gòu)并且每層設(shè)計(jì)不同的跳躍連接。LSTM能夠較好地對(duì)電力負(fù)荷進(jìn)行建模,跳躍連接使得模型具有捕獲負(fù)荷數(shù)據(jù)中多尺度時(shí)序特征的能力。實(shí)驗(yàn)結(jié)果證明該模型有效地提升了短期電力負(fù)荷預(yù)測(cè)的精度。

    本文的主要貢獻(xiàn)如下:

    1)提出了一種基于多尺度跳躍深度LSTM 的短期電力負(fù)荷預(yù)測(cè)模型,通過(guò)使用不同的跳躍連接來(lái)捕獲短期電力負(fù)荷數(shù)據(jù)中的多尺度時(shí)序結(jié)構(gòu)特征,幫助模型更好地進(jìn)行負(fù)荷預(yù)測(cè);

    2)兩個(gè)地區(qū)負(fù)荷數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明所提出的短期負(fù)荷預(yù)測(cè)方法可以有效提高電力負(fù)荷預(yù)測(cè)精度。

    1 時(shí)間序列分析

    電力負(fù)荷數(shù)據(jù)從長(zhǎng)期來(lái)看是波動(dòng)變化的,但是這種波動(dòng)變化會(huì)呈現(xiàn)出周期性和連續(xù)性的特點(diǎn)。對(duì)于短期電力負(fù)荷預(yù)測(cè)而言,其在年、月、星期、日不同期限上均具有明顯的周期性。

    圖1 所示為某地區(qū)四個(gè)星期的電力負(fù)荷變化曲線。從圖1 可以看出,每個(gè)星期中工作日的負(fù)荷值較為平穩(wěn),此時(shí)工業(yè)和商業(yè)用電主導(dǎo)。在休息日,負(fù)荷從工業(yè)和商業(yè)用電主導(dǎo)轉(zhuǎn)變?yōu)榧彝ビ秒娭鲗?dǎo),負(fù)荷值呈現(xiàn)下降趨勢(shì)。此外,從圖1 中可以看出電力負(fù)荷值在星期這個(gè)時(shí)間尺度上呈現(xiàn)出明顯的周期性。

    通過(guò)上述分析可以發(fā)現(xiàn),時(shí)間是短期電力負(fù)荷預(yù)測(cè)中重要的影響因素,這使得電力負(fù)荷數(shù)據(jù)呈現(xiàn)出規(guī)律波動(dòng)的特點(diǎn)并具有明顯的周期性。針對(duì)短期電力負(fù)荷數(shù)據(jù)存在的周期性變化,本文利用多層LSTM 并且在每層設(shè)置不同的跳躍連接數(shù),顯式地建模電力負(fù)荷數(shù)據(jù)中存在的多尺度時(shí)間結(jié)構(gòu),從而更好地進(jìn)行短期電力負(fù)荷預(yù)測(cè)。

    圖1 某地區(qū)四周的負(fù)荷變化曲線Fig.1 Four-week load curve of an area

    2 LSTM

    雖然RNN 具有時(shí)序建模的能力,能夠較好地應(yīng)用于電力負(fù)荷預(yù)測(cè)任務(wù),但在誤差反向傳播時(shí),會(huì)存在“梯度消失”和“梯度爆炸”的問題。為了解決RNN 存在的問題,Hochreiter等[9]提出了LSTM。LSTM 通過(guò)專門地設(shè)計(jì)隱含層單元來(lái)解決長(zhǎng)期依賴問題。不同于標(biāo)準(zhǔn)的RNN,LSTM 在隱含層的內(nèi)部設(shè)計(jì)了遺忘門、輸入門、輸出門以及細(xì)胞狀態(tài),這使得LSTM能夠擁有良好的長(zhǎng)短期記憶能力。

    LSTM的隱含層單元可以看作一個(gè)細(xì)胞,細(xì)胞狀態(tài)保存了長(zhǎng)期記憶。細(xì)胞狀態(tài)在每個(gè)時(shí)刻與當(dāng)前輸入進(jìn)行少量的線性交互,從而允許網(wǎng)絡(luò)在較長(zhǎng)持續(xù)時(shí)間內(nèi)保存信息。此外,當(dāng)信息被使用,網(wǎng)絡(luò)可以遺忘舊的狀態(tài)。

    LSTM 的隱含層內(nèi)部結(jié)構(gòu)如圖2 所示,其中xt表示t時(shí)刻LSTM 輸入變量,ht和ht-1分別表示t和t-1 時(shí)刻的隱含層狀態(tài),Ct和Ct-1分別表示t和t-1時(shí)刻的細(xì)胞狀態(tài),ft表示遺忘門的輸出,it表示輸入門的輸出,C~t表示t時(shí)刻用來(lái)更新細(xì)胞狀態(tài)的備選信息,ot表示輸出門的輸出,σ表示sigmoid函數(shù)。

    圖2 LSTM隱含層內(nèi)部結(jié)構(gòu)Fig.2 Hidden layer internal structure of LSTM

    式(1)中:Wf表示遺忘門權(quán)重矩陣,bf表示遺忘門偏置。根據(jù)式(1)和式(2)可知,ft為一個(gè)0 到1 的實(shí)數(shù),這決定了細(xì)胞狀態(tài)的遺忘比例。

    同樣的,式中的Wi和WC表示連接權(quán)重矩陣,bi和bC表示偏置。it為0到1的實(shí)數(shù)表示t時(shí)刻用來(lái)更新細(xì)胞狀態(tài)的備選信息,tanh(·)表示雙曲正切函數(shù)。

    在遺忘門中細(xì)胞狀態(tài)與ft相乘,遺忘需要丟棄的信息;在輸入門中再加上更新細(xì)胞狀態(tài)。這可以用以下公式表示:

    最后,LSTM 需要確定輸出什么值,這個(gè)輸出是基于經(jīng)過(guò)更新的細(xì)胞狀態(tài),具體過(guò)程可以用以下公式表示:

    其中:Wo表示輸出門權(quán)重矩陣,bo表示輸出門偏置。簡(jiǎn)便起見,本文將LSTM 隱含層狀態(tài)的更新過(guò)程表示為函數(shù)FLSTM(·),在長(zhǎng)短期記憶網(wǎng)絡(luò)的前向傳播過(guò)程中,隱含層狀態(tài)的更新公式為:

    3 基于MSD-LSTM的負(fù)荷預(yù)測(cè)模型

    3.1 MSD-LSTM

    LSTM 雖然有效地解決了RNN 存在的無(wú)法有效學(xué)習(xí)長(zhǎng)時(shí)依賴的問題,但是電力負(fù)荷數(shù)據(jù)中存在著不同尺度的時(shí)間結(jié)構(gòu)特征,而LSTM 卻不具備捕捉多尺度時(shí)間特征的能力。針對(duì)該問題,本文對(duì)LSTM 進(jìn)行改進(jìn),提出了一種基于多尺度跳躍深度長(zhǎng)短期記憶(MSD-LSTM)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測(cè)方法,使其具有捕捉電力負(fù)荷數(shù)據(jù)中多尺度時(shí)序信息的能力。MSD-LSTM 通過(guò)把LSTM 的拓?fù)浣Y(jié)構(gòu)設(shè)計(jì)為多層并且加入循環(huán)跳躍連接[15],以此改變歷史信息與當(dāng)前信息的交互周期,使得每層擁有了不同時(shí)間周期的建模能力,顯式地對(duì)電力負(fù)荷數(shù)據(jù)中的多尺度時(shí)間結(jié)構(gòu)進(jìn)行建模。MSD-LSTM 的每一層使用不同循環(huán)跳躍尺度的LSTM,即每個(gè)時(shí)刻的隱含層狀態(tài)更新時(shí)依賴的不是上一個(gè)時(shí)刻的隱含層狀態(tài),而是依賴多個(gè)時(shí)刻之前的狀態(tài)。如圖3 所示,第一層的跳躍連接數(shù)為1,則第一層為傳統(tǒng)的LSTM;第二層的跳躍連接數(shù)為2,則隱含層狀態(tài)更新時(shí)依賴的是往前兩個(gè)時(shí)刻的隱含層狀態(tài);第三層的跳躍連接數(shù)為4,則隱含層狀態(tài)更新時(shí)依賴的是往前4個(gè)時(shí)刻的隱含層狀態(tài)。加入循環(huán)跳躍連接后的LSTM 的更新過(guò)程可以表示為:

    其中上標(biāo)i表示層數(shù),后續(xù)模型部分的所有上標(biāo)皆為該含義。

    在網(wǎng)絡(luò)訓(xùn)練的前向傳播過(guò)程中,第一層LSTM 的輸入為預(yù)處理后的電力負(fù)荷數(shù)據(jù)以及天氣數(shù)據(jù)組成的多維變量序列,如圖3 中輸入數(shù)據(jù)為1 到T時(shí)刻的負(fù)荷數(shù)據(jù),維度為T×D,T表示輸入的時(shí)刻數(shù),D表示每個(gè)時(shí)刻輸入的向量的維度;輸出為T+1時(shí)刻的負(fù)荷預(yù)測(cè)值。天氣數(shù)據(jù)幫助模型更好地進(jìn)行負(fù)荷預(yù)測(cè)。其余層的輸入為上一層LSTM 的輸出,最后把每一層最后一個(gè)時(shí)刻的隱含層狀態(tài)進(jìn)行拼接后輸入到全連接層形成融合特征,利用該融合特征進(jìn)行未來(lái)負(fù)荷值的預(yù)測(cè)。多層不同跳躍尺度的LSTM 前向傳播過(guò)程可以用下列公式表示:

    MSD-LSTM的網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示,其中方框內(nèi)的圓形表示圖2的LSTM 單元,圓形左邊的箭頭表示接收上一個(gè)時(shí)刻的隱含層狀態(tài);右邊的箭頭當(dāng)前時(shí)刻的隱含層狀態(tài)輸入到下一個(gè)時(shí)刻的LSTM 單元;下方的箭頭表示當(dāng)前時(shí)刻的輸入;上方的箭頭表示當(dāng)前時(shí)刻的LSTM 單元的輸出。使用前T個(gè)時(shí)刻的數(shù)據(jù)來(lái)預(yù)測(cè)T+1 時(shí)刻的負(fù)荷值,每個(gè)時(shí)刻的輸入為一個(gè)6維向量,即D為6,包含負(fù)荷數(shù)據(jù)以及天氣數(shù)據(jù)。網(wǎng)絡(luò)層數(shù)設(shè)為3 層,每一層的跳躍連接數(shù)分別為1,2 和4。最后,通過(guò)全連接層將每層LSTM 第T個(gè)時(shí)刻的隱含層狀態(tài)進(jìn)行融合得到融合特征,利用該融合特征去預(yù)測(cè)下一時(shí)刻的負(fù)荷值。

    圖3 MSD-LSTM網(wǎng)絡(luò)結(jié)構(gòu)Fig.3 Structure of MSD-LSTM network

    MSD-LSTM 通過(guò)給每層LSTM 設(shè)計(jì)不同的跳躍連接數(shù),使得每層擁有不同時(shí)間周期的建模能力。本文研究的負(fù)荷預(yù)測(cè)是短期電力負(fù)荷預(yù)測(cè),其在年、月、星期、日不同期限上均具有明顯的周期性。因此,MSD-LSTM 第一層的跳躍連接數(shù)設(shè)為1,捕捉日依賴關(guān)系;第二層的跳躍連接數(shù)設(shè)為7,捕捉周依賴關(guān)系;第三層的跳躍連接數(shù)設(shè)為30,捕捉月依賴關(guān)系。最后通過(guò)引入全連接層,把每層提取到的不同尺度信息進(jìn)行融合,即將每層T時(shí)刻的隱含層狀態(tài)拼接后作為全連接層的輸入,實(shí)現(xiàn)多尺度結(jié)構(gòu)信息的融合,并把全連接層的輸出作為預(yù)測(cè)值,即T+1時(shí)刻的負(fù)荷值。全連接層可以使用以下公式表示:

    其中:Wfc為全連接層權(quán)重,b表示偏置,xT+1為全連接層的輸出,HT為各層LSTM 最后一個(gè)時(shí)刻隱含層狀態(tài)的拼接,可以用以下公式表示:

    3.2 基于MSD-LSTM的短期負(fù)荷預(yù)測(cè)算法流程

    步驟1 構(gòu)建時(shí)間序列數(shù)據(jù)進(jìn)行訓(xùn)練和測(cè)試。對(duì)電力負(fù)荷數(shù)據(jù)以及天氣數(shù)據(jù)進(jìn)行歸一化,采取一步預(yù)測(cè)的方法并對(duì)歸一化后的數(shù)據(jù)做窗口滑動(dòng)處理得到N條長(zhǎng)度為T的負(fù)荷序列樣本集,即以前T個(gè)時(shí)間點(diǎn)的數(shù)據(jù)作為“特征”,下一個(gè)時(shí)間點(diǎn)的數(shù)據(jù)作為“標(biāo)簽”。將樣本集按7∶3 的比例劃分為訓(xùn)練集和測(cè)試集,即前0.7×N條序列作為訓(xùn)練集,后0.3×N條序列作為測(cè)試集。

    步驟2 逐層構(gòu)建LSTM,每一層設(shè)置不同的跳躍連接以建模多尺度時(shí)序依賴關(guān)系。

    步驟3 構(gòu)建全連接層將各層LSTM 的依賴關(guān)系進(jìn)行融合并把全連接層的輸出作為預(yù)測(cè)值形成多尺度跳躍深度LSTM模型。

    步驟4 訓(xùn)練步驟3構(gòu)建的模型,在網(wǎng)絡(luò)訓(xùn)練的前向傳播過(guò)程中,第一層LSTM 輸入為經(jīng)步驟1 處理過(guò)的訓(xùn)練數(shù)據(jù)集,其余層的輸入為上一層LSTM 的輸出,把每一層最后一個(gè)時(shí)刻的隱含層狀態(tài)進(jìn)行拼接后輸入到全連接層形成融合特征,利用該融合特征進(jìn)行未來(lái)負(fù)荷值的預(yù)測(cè)。在網(wǎng)絡(luò)訓(xùn)練的反向傳播過(guò)程中,使用基于時(shí)間的反向傳播(BackPropagation Through Time,BPTT)算法[16]來(lái)最小化損失函數(shù),即均方誤差,從而優(yōu)化模型的參數(shù)。

    步驟5 使用訓(xùn)練后的模型對(duì)經(jīng)步驟1 處理過(guò)的電力負(fù)荷測(cè)試數(shù)據(jù)集進(jìn)行預(yù)測(cè),計(jì)算預(yù)測(cè)值和真實(shí)值之間的均方誤差。

    4 實(shí)驗(yàn)分析與比較

    4.1 數(shù)據(jù)來(lái)源

    本文研究的是帶有天氣數(shù)據(jù)的短期電力負(fù)荷預(yù)測(cè),使用2012年1月1日到2014年12月31日兩個(gè)地區(qū)真實(shí)負(fù)荷數(shù)據(jù),數(shù)據(jù)來(lái)源于2016 年電工數(shù)學(xué)建模競(jìng)賽A 題。此外,這個(gè)數(shù)據(jù)集還提供最高溫度、最低溫度、平均溫度、相對(duì)濕度和降雨量5個(gè)天氣數(shù)據(jù)。本文利用這5個(gè)天氣數(shù)據(jù)來(lái)幫助負(fù)荷預(yù)測(cè),即將負(fù)荷數(shù)據(jù)以及5個(gè)天氣數(shù)據(jù)拼接為6維向量。

    本文分別抽取兩個(gè)地區(qū)每天6:00、12:00和18:00的負(fù)荷值進(jìn)行負(fù)荷預(yù)測(cè),因此總的樣本集有6 個(gè),每個(gè)樣本集中有1 096 個(gè)時(shí)間點(diǎn),每個(gè)時(shí)間點(diǎn)為一個(gè)6 維的向量,包含負(fù)荷及天氣數(shù)據(jù)。負(fù)荷和天氣數(shù)據(jù)擁有不同的數(shù)量級(jí)和量綱。為了去除這些影響,需要對(duì)輸入量進(jìn)行歸一化處理,將其轉(zhuǎn)化為無(wú)量綱的純數(shù)值。本文采取離差標(biāo)準(zhǔn)化的歸一化方式。每個(gè)樣本集原始數(shù)據(jù)表示為s=[s1,s2,…,sn]T其中sj=對(duì)原始數(shù)據(jù)進(jìn)行如下歸一化:

    得到歸一化的樣本集e=[e1,e2,…,en]T。

    4.2 實(shí)驗(yàn)設(shè)置

    這部分展示了MSD-LSTM 應(yīng)用在短期電力負(fù)荷預(yù)測(cè)上的實(shí)驗(yàn)設(shè)置。本文將MSD-LSTM 與多層長(zhǎng)短期記憶(Multi-layer Long Short-Term Memory,MLSTM)網(wǎng)絡(luò)、單層長(zhǎng)短期記憶(Single-layer Long Short-Term Memory,SLSTM)網(wǎng)絡(luò)、支持向量回歸(Support Vector Regression,SVR)[17]和高斯過(guò)程(Gaussian Process,GP)[18]進(jìn)行了對(duì)比實(shí)驗(yàn)。使用過(guò)去35 天的負(fù)荷值和天氣數(shù)據(jù)來(lái)預(yù)測(cè)下一天的負(fù)荷值,則對(duì)樣本集做窗口滑動(dòng)處理得到1 062 條長(zhǎng)度為35 的序列,即樣本。構(gòu)建時(shí)間序列數(shù)據(jù)進(jìn)行訓(xùn)練和測(cè)試時(shí),將1 062 個(gè)樣本集按7∶3 的比例劃分為訓(xùn)練集和測(cè)試集。MSD-LSTM 的層數(shù)設(shè)為3,每層的跳躍尺度分別設(shè)為1、7、30,相應(yīng)的每層分別對(duì)時(shí)間尺度以天、周、月為單位的電力負(fù)荷數(shù)據(jù)時(shí)序依賴關(guān)系進(jìn)行捕捉。為了檢驗(yàn)MSD-LSTM 對(duì)電力負(fù)荷數(shù)據(jù)中的多尺度時(shí)間結(jié)構(gòu)的捕捉能力,本文設(shè)置了MLSTM 和SLSTM 兩個(gè)對(duì)比實(shí)驗(yàn)。MLSTM 的層數(shù)設(shè)為3,每一層的跳躍尺度設(shè)為1,以檢驗(yàn)多尺度時(shí)間結(jié)構(gòu)對(duì)預(yù)測(cè)性能的提升;SLSTM 的層數(shù)設(shè)為1,跳躍尺度設(shè)為1,以檢驗(yàn)深層網(wǎng)絡(luò)結(jié)構(gòu)對(duì)預(yù)測(cè)性能的提升。LSTM 的隱含層單元數(shù)固定為48。為了保證對(duì)比實(shí)驗(yàn)的公平,本文保持上述三種模型在每個(gè)樣本集上所使用的隱含層單元數(shù)一致。SVR 和GP 同樣使用過(guò)去35 天的負(fù)荷值和天氣數(shù)據(jù)來(lái)預(yù)測(cè)下一天的負(fù)荷值。每天的數(shù)據(jù)包含負(fù)荷值以及5 個(gè)天氣數(shù)據(jù),因此本文將35天的數(shù)據(jù)拼接成一個(gè)35×6的向量作為模型的輸入,并預(yù)測(cè)下一天的負(fù)荷值。此外,SVR 和GP 都是基于核函數(shù)的模型,在本文中SVR 和GP 的核函數(shù)都選取高斯核函數(shù)。

    MSD-LSTM、MLSTM 和SLSTM 訓(xùn)練時(shí)使用mini-batch 技術(shù),batch size 設(shè)置為32,即訓(xùn)練時(shí)每次迭代輸入32 個(gè)樣本并計(jì)算損失函數(shù),根據(jù)損失函數(shù)反向傳播更新網(wǎng)絡(luò)的參數(shù)。訓(xùn)練時(shí)使用mini-batch 技術(shù),可以使網(wǎng)絡(luò)參數(shù)更新更快,同時(shí)有利于網(wǎng)絡(luò)參數(shù)更加魯棒地收斂。此外,為了防止過(guò)擬合,在全連接層使用Dropout,Dropout率設(shè)為0.05。

    4.3 實(shí)驗(yàn)結(jié)果

    4.3.1 對(duì)比實(shí)驗(yàn)

    使用MSD-LSTM 與MLSTM、SLSTM、SVR 和GP 分別進(jìn)行實(shí)驗(yàn)并對(duì)比。表1 為各模型在短期電力負(fù)荷上的預(yù)測(cè)結(jié)果,采用均方誤差(Mean Squared Error,MSE)作為評(píng)判標(biāo)準(zhǔn):

    其中:yi和分別表示測(cè)試集中對(duì)應(yīng)第i個(gè)樣本的真實(shí)值和預(yù)測(cè)值,M表示測(cè)試集樣本個(gè)數(shù)。

    從表1 可以看出,MSD-LSTM 在6 個(gè)樣本集中的短期負(fù)荷預(yù)測(cè)都取得了較好的預(yù)測(cè)精度。一方面,與SVR 和GP 對(duì)比,MSD-LSTM 是以LSTM 為主體構(gòu)建的預(yù)測(cè)模型,能夠較好地處理序列建模任務(wù),而SVR和GP并未對(duì)存在于電力負(fù)荷數(shù)據(jù)中的時(shí)序依賴關(guān)系進(jìn)行建模,因此MSD-LSTM 的預(yù)測(cè)性能要明顯優(yōu)于這兩種方法;另一方面,與SLSTM 對(duì)比,MSD-LSTM 由三層LSTM 構(gòu)成,能夠更好地建模電力負(fù)荷數(shù)據(jù)中的動(dòng)態(tài)特性,取得了更好的預(yù)測(cè)精度,表明深層網(wǎng)絡(luò)結(jié)構(gòu)有利于預(yù)測(cè)性能的提升。與MLSTM 對(duì)比,MSD-LSTM 通過(guò)循環(huán)跳躍連接對(duì)短期電力負(fù)荷中的日、周和月的時(shí)序依賴關(guān)系進(jìn)行建模,增強(qiáng)了LSTM 對(duì)多尺度時(shí)序結(jié)構(gòu)建模的能力,取得了更好的預(yù)測(cè)精度,表明多尺度時(shí)間結(jié)構(gòu)能夠提升預(yù)測(cè)性能。因此,MSDLSTM 通過(guò)結(jié)合深層網(wǎng)絡(luò)結(jié)構(gòu)建模動(dòng)態(tài)特性的能力以及多尺度跳躍連接提取多尺度時(shí)間結(jié)構(gòu)信息的能力,有效地提升了短期電力負(fù)荷預(yù)測(cè)精度。

    表1 不同方法的負(fù)荷預(yù)測(cè)均方誤差(MSE)對(duì)比Tab.1 Comparison of load forecasting MSE of different methods

    更進(jìn)一步地,本文從6 個(gè)樣本集中隨機(jī)抽取1 個(gè)樣本集,使用上述各種模型對(duì)其進(jìn)行負(fù)荷預(yù)測(cè),并對(duì)比了各種模型的絕對(duì)誤差。絕對(duì)誤差越接近0說(shuō)明預(yù)測(cè)精度越高,越遠(yuǎn)離0說(shuō)明預(yù)測(cè)精度越低。圖4 展示了MSD-LSTM、SLSTM、MLSTM、SVR 和GP 五種模型預(yù)測(cè)的負(fù)荷值與實(shí)際負(fù)荷值的絕對(duì)誤差曲線。對(duì)比5 條絕對(duì)誤差曲線,可以看出MSD-LSTM 能夠取得最好的預(yù)測(cè)精度,具體表現(xiàn)為取得了最低的絕對(duì)誤差,平均值為0.069。

    圖4 不同方法的絕對(duì)誤差曲線Fig.4 Absolute error curves of different methods

    4.3.2 超參數(shù)探究

    為了探究層數(shù)、跳躍數(shù)以及步長(zhǎng)(即使用過(guò)去多少天的數(shù)據(jù)來(lái)進(jìn)行下一天的負(fù)荷預(yù)測(cè))對(duì)MSD-LSTM 性能的影響,本文設(shè)置了7組使用不同超參數(shù)的對(duì)比實(shí)驗(yàn),其在6個(gè)樣本集上的結(jié)果如表2所示。首先,對(duì)比實(shí)驗(yàn)1和實(shí)驗(yàn)4的結(jié)果,實(shí)驗(yàn)4取得了更低的MSE,這表明深層網(wǎng)絡(luò)有利于提升短期負(fù)荷預(yù)測(cè)的精度。對(duì)比實(shí)驗(yàn)2 和實(shí)驗(yàn)7 可以得到同樣的結(jié)果。進(jìn)一步的,對(duì)比實(shí)驗(yàn)4,5 和7 的結(jié)果,實(shí)驗(yàn)7 取得了最低的MSE。這表明跳躍數(shù)會(huì)影響模型的性能,同時(shí)根據(jù)數(shù)據(jù)實(shí)際的多尺度時(shí)間結(jié)構(gòu)來(lái)選擇合適的跳躍數(shù)有利于提升模型的性能。最后,對(duì)比實(shí)驗(yàn)2,3 以及實(shí)驗(yàn)6,7 的結(jié)果,可以發(fā)現(xiàn)具有更短步長(zhǎng)的模型可以取得更好的結(jié)果。因此,有效地使用MSDLSTM需要綜合考慮多個(gè)超參數(shù)的影響。

    表2 不同超參數(shù)設(shè)置的負(fù)荷預(yù)測(cè)均方誤差(MSE)對(duì)比Tab.2 Comparison of load forecasting MSE of different hyperparameter settings

    5 結(jié)語(yǔ)

    本文針對(duì)LSTM 無(wú)法有效建模電力負(fù)荷數(shù)據(jù)中存在的多尺度時(shí)間結(jié)構(gòu)的問題,提出了MSD-LSTM。MSD-LSTM 將LSTM 的拓?fù)浣Y(jié)構(gòu)設(shè)計(jì)為多層并在每層中設(shè)置不同的跳躍連接,顯式地對(duì)短期電力負(fù)荷數(shù)據(jù)中的多尺度時(shí)間結(jié)構(gòu)進(jìn)行建模。通過(guò)兩個(gè)地區(qū)負(fù)荷數(shù)據(jù)的實(shí)驗(yàn)分析,證明了MSD-LSTM能夠有效地捕捉短期電力負(fù)荷數(shù)據(jù)中的多尺度時(shí)間結(jié)構(gòu),從而提升負(fù)荷預(yù)測(cè)精度。

    MSD-LSTM 采取的跳躍連接數(shù)是手工設(shè)置的,需要依靠先驗(yàn)知識(shí),無(wú)法自適應(yīng)地學(xué)習(xí)電力負(fù)荷數(shù)據(jù)的多尺度結(jié)構(gòu)。未來(lái)的工作會(huì)研究如何動(dòng)態(tài)自適應(yīng)地學(xué)習(xí)跳躍連接,更好地根據(jù)電力負(fù)荷數(shù)據(jù)來(lái)學(xué)習(xí)多尺度結(jié)構(gòu)并對(duì)其進(jìn)行建模,進(jìn)一步提高電力負(fù)荷預(yù)測(cè)的精度。

    猜你喜歡
    模型
    一半模型
    一種去中心化的域名服務(wù)本地化模型
    適用于BDS-3 PPP的隨機(jī)模型
    提煉模型 突破難點(diǎn)
    函數(shù)模型及應(yīng)用
    p150Glued在帕金森病模型中的表達(dá)及分布
    函數(shù)模型及應(yīng)用
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
    3D打印中的模型分割與打包
    成人特级av手机在线观看| 国产av麻豆久久久久久久| 亚洲国产日韩欧美精品在线观看 | 三级国产精品欧美在线观看 | 中文字幕久久专区| 色哟哟哟哟哟哟| 色吧在线观看| 国产精品久久视频播放| 精品久久久久久成人av| 国产精品一区二区三区四区免费观看 | 色老头精品视频在线观看| 亚洲人成网站在线播放欧美日韩| 久久亚洲精品不卡| 99在线人妻在线中文字幕| 亚洲中文av在线| 国内毛片毛片毛片毛片毛片| 又大又爽又粗| 国产亚洲欧美98| 亚洲成人久久爱视频| 99久国产av精品| 亚洲av电影不卡..在线观看| aaaaa片日本免费| 两人在一起打扑克的视频| 脱女人内裤的视频| 日本免费一区二区三区高清不卡| 国产精品日韩av在线免费观看| 国产单亲对白刺激| 黑人操中国人逼视频| 大型黄色视频在线免费观看| 淫秽高清视频在线观看| 熟女人妻精品中文字幕| 中文字幕高清在线视频| 国产av在哪里看| or卡值多少钱| 国产成人一区二区三区免费视频网站| 国产av一区在线观看免费| 亚洲午夜精品一区,二区,三区| 丁香欧美五月| 亚洲国产欧美一区二区综合| 欧美大码av| av福利片在线观看| 精品乱码久久久久久99久播| 免费搜索国产男女视频| 99久久成人亚洲精品观看| 国产乱人伦免费视频| 亚洲片人在线观看| 国模一区二区三区四区视频 | 18禁国产床啪视频网站| 欧美色视频一区免费| 亚洲在线自拍视频| 999久久久国产精品视频| 国产一区二区激情短视频| 国产淫片久久久久久久久 | 午夜福利视频1000在线观看| 亚洲欧美日韩高清在线视频| 亚洲成人久久性| 波多野结衣高清作品| 青草久久国产| 天堂网av新在线| 女同久久另类99精品国产91| 丰满人妻一区二区三区视频av | 久久这里只有精品19| 国产av麻豆久久久久久久| 国内少妇人妻偷人精品xxx网站 | 婷婷精品国产亚洲av| av欧美777| 亚洲国产精品成人综合色| 精品日产1卡2卡| 欧美精品啪啪一区二区三区| 热99在线观看视频| 亚洲成av人片免费观看| 欧美一级a爱片免费观看看| 身体一侧抽搐| 亚洲狠狠婷婷综合久久图片| 亚洲欧美激情综合另类| 成人国产综合亚洲| 免费电影在线观看免费观看| av女优亚洲男人天堂 | 日日干狠狠操夜夜爽| 99久国产av精品| 欧美不卡视频在线免费观看| 精品乱码久久久久久99久播| 国产精品美女特级片免费视频播放器 | 男女下面进入的视频免费午夜| 免费人成视频x8x8入口观看| 国内久久婷婷六月综合欲色啪| 亚洲专区国产一区二区| 欧美黄色片欧美黄色片| 久99久视频精品免费| 色综合婷婷激情| av中文乱码字幕在线| 日韩欧美免费精品| 午夜成年电影在线免费观看| 亚洲中文字幕日韩| 久久久精品欧美日韩精品| xxxwww97欧美| 白带黄色成豆腐渣| 男女床上黄色一级片免费看| 狂野欧美白嫩少妇大欣赏| 亚洲国产欧美网| 日本与韩国留学比较| 我要搜黄色片| 国产成人啪精品午夜网站| 黄色日韩在线| 九色成人免费人妻av| 狂野欧美白嫩少妇大欣赏| 中文资源天堂在线| 亚洲美女视频黄频| 麻豆成人午夜福利视频| 国产精品99久久久久久久久| 免费av毛片视频| 成年人黄色毛片网站| 国产激情欧美一区二区| 亚洲av成人不卡在线观看播放网| 搡老妇女老女人老熟妇| 国产高清videossex| 不卡一级毛片| 欧美一区二区国产精品久久精品| 亚洲欧美精品综合久久99| 亚洲欧美精品综合一区二区三区| 国产精品一区二区三区四区久久| 久久久久性生活片| 老司机深夜福利视频在线观看| 日韩 欧美 亚洲 中文字幕| 男女视频在线观看网站免费| 高潮久久久久久久久久久不卡| 国产乱人视频| a级毛片在线看网站| xxx96com| 欧美日本亚洲视频在线播放| 久久精品91无色码中文字幕| 国产1区2区3区精品| 精品人妻1区二区| 一个人免费在线观看电影 | 九色成人免费人妻av| 在线免费观看不下载黄p国产 | 十八禁人妻一区二区| 国内精品久久久久精免费| 又粗又爽又猛毛片免费看| 搡老妇女老女人老熟妇| 国产又黄又爽又无遮挡在线| 午夜福利在线在线| 色精品久久人妻99蜜桃| 国产成人精品久久二区二区免费| 国产又色又爽无遮挡免费看| 免费观看的影片在线观看| 成人精品一区二区免费| 久久婷婷人人爽人人干人人爱| 免费观看的影片在线观看| 一级毛片高清免费大全| 国产精品av视频在线免费观看| 嫁个100分男人电影在线观看| 免费在线观看日本一区| 国产一区在线观看成人免费| 欧美成狂野欧美在线观看| 亚洲av中文字字幕乱码综合| 精华霜和精华液先用哪个| 久久久久国内视频| 香蕉久久夜色| 久久天堂一区二区三区四区| 母亲3免费完整高清在线观看| 深夜精品福利| 长腿黑丝高跟| 国产一区二区在线av高清观看| 变态另类丝袜制服| 最近最新中文字幕大全免费视频| 国产成人aa在线观看| 最新在线观看一区二区三区| av黄色大香蕉| 亚洲无线观看免费| 亚洲专区国产一区二区| 不卡一级毛片| 一a级毛片在线观看| 五月玫瑰六月丁香| 最近最新中文字幕大全免费视频| 国产淫片久久久久久久久 | 久久久久久久久久黄片| 99久久综合精品五月天人人| 久久久久久人人人人人| 男女视频在线观看网站免费| 搡老熟女国产l中国老女人| 国产免费av片在线观看野外av| 亚洲人成电影免费在线| 黄色日韩在线| 91av网站免费观看| 啦啦啦观看免费观看视频高清| 午夜免费成人在线视频| 免费观看的影片在线观看| 中文资源天堂在线| 五月玫瑰六月丁香| 蜜桃久久精品国产亚洲av| 国产99白浆流出| 亚洲性夜色夜夜综合| 日韩欧美在线二视频| 久久久久久九九精品二区国产| 黄频高清免费视频| 成人欧美大片| 九九久久精品国产亚洲av麻豆 | 日本成人三级电影网站| 叶爱在线成人免费视频播放| 淫妇啪啪啪对白视频| 亚洲真实伦在线观看| 欧美xxxx黑人xx丫x性爽| 国产伦精品一区二区三区四那| 国产又色又爽无遮挡免费看| 亚洲人成伊人成综合网2020| 美女扒开内裤让男人捅视频| 国产精品影院久久| 亚洲成av人片免费观看| 少妇熟女aⅴ在线视频| 亚洲精品色激情综合| 国产视频内射| 熟女电影av网| 91在线精品国自产拍蜜月 | 亚洲一区二区三区色噜噜| 一个人免费在线观看电影 | 在线观看美女被高潮喷水网站 | 久久九九热精品免费| 黑人操中国人逼视频| 国产精品一及| 精品久久蜜臀av无| 91字幕亚洲| 久久亚洲真实| 日韩国内少妇激情av| 少妇丰满av| 国产精品美女特级片免费视频播放器 | 亚洲精品粉嫩美女一区| 国产av一区在线观看免费| 婷婷精品国产亚洲av在线| 18美女黄网站色大片免费观看| 国产成人精品久久二区二区免费| 岛国视频午夜一区免费看| 国产单亲对白刺激| 神马国产精品三级电影在线观看| 亚洲成av人片免费观看| 在线a可以看的网站| 舔av片在线| 日韩欧美国产在线观看| 日韩成人在线观看一区二区三区| 热99re8久久精品国产| 国语自产精品视频在线第100页| 亚洲精品美女久久久久99蜜臀| 精品久久蜜臀av无| 国产av在哪里看| 给我免费播放毛片高清在线观看| 亚洲色图av天堂| 色综合站精品国产| 两个人看的免费小视频| 国产免费av片在线观看野外av| 国产日本99.免费观看| 久久香蕉精品热| 我要搜黄色片| 久久精品国产综合久久久| 99精品欧美一区二区三区四区| 久久精品国产99精品国产亚洲性色| 久久久久国产精品人妻aⅴ院| 国产一区二区在线av高清观看| 成人18禁在线播放| 一级a爱片免费观看的视频| 在线观看日韩欧美| 精品国产亚洲在线| 色精品久久人妻99蜜桃| 国产精品国产高清国产av| 亚洲国产欧美人成| 久久人妻av系列| 美女大奶头视频| 麻豆av在线久日| 欧美高清成人免费视频www| 国产免费av片在线观看野外av| 久久久久性生活片| 久久精品人妻少妇| 99在线视频只有这里精品首页| 一个人看的www免费观看视频| 最近视频中文字幕2019在线8| 精品久久久久久久久久免费视频| 男女做爰动态图高潮gif福利片| 三级毛片av免费| 亚洲成人免费电影在线观看| 天天躁日日操中文字幕| 亚洲欧美日韩东京热| 欧美日韩中文字幕国产精品一区二区三区| 亚洲人成网站高清观看| 国产精品久久久人人做人人爽| 色视频www国产| 99久久久亚洲精品蜜臀av| 麻豆av在线久日| 国产精品乱码一区二三区的特点| 亚洲性夜色夜夜综合| 99热精品在线国产| 天堂动漫精品| 国产成人av激情在线播放| 亚洲国产看品久久| 久久精品国产99精品国产亚洲性色| 男人舔女人的私密视频| 日韩有码中文字幕| av在线蜜桃| 亚洲精品久久国产高清桃花| 亚洲色图av天堂| 国产伦人伦偷精品视频| 国产伦在线观看视频一区| 九色成人免费人妻av| 国产综合懂色| 国产精品,欧美在线| 午夜福利成人在线免费观看| 欧美乱妇无乱码| 色老头精品视频在线观看| 国产精品爽爽va在线观看网站| 国产在线精品亚洲第一网站| 久久久久久久久久黄片| 国产综合懂色| 国产精品av视频在线免费观看| 午夜福利视频1000在线观看| 精品国内亚洲2022精品成人| 国产精品影院久久| 听说在线观看完整版免费高清| 老司机午夜十八禁免费视频| 香蕉久久夜色| 国产91精品成人一区二区三区| 日本一二三区视频观看| 国内精品久久久久精免费| 草草在线视频免费看| 国产v大片淫在线免费观看| 女人高潮潮喷娇喘18禁视频| 国产视频内射| 午夜影院日韩av| 女警被强在线播放| www.自偷自拍.com| 香蕉国产在线看| 女同久久另类99精品国产91| 日韩高清综合在线| 成人国产综合亚洲| 国产精品久久久久久人妻精品电影| 国产伦在线观看视频一区| 一个人免费在线观看的高清视频| 麻豆一二三区av精品| 哪里可以看免费的av片| 免费观看精品视频网站| 免费高清视频大片| 真实男女啪啪啪动态图| 国产精品免费一区二区三区在线| 日韩欧美国产在线观看| 99热只有精品国产| 久久久精品大字幕| 日韩三级视频一区二区三区| 丁香六月欧美| 成年女人永久免费观看视频| 麻豆一二三区av精品| 国产一区二区在线av高清观看| 啦啦啦观看免费观看视频高清| 岛国视频午夜一区免费看| 欧美大码av| 午夜免费观看网址| www.熟女人妻精品国产| 国产精品香港三级国产av潘金莲| 亚洲国产中文字幕在线视频| 精品国产三级普通话版| 国产av一区在线观看免费| 国产伦精品一区二区三区视频9 | 午夜精品一区二区三区免费看| 欧美黄色片欧美黄色片| 人妻丰满熟妇av一区二区三区| 色吧在线观看| 高潮久久久久久久久久久不卡| 五月玫瑰六月丁香| 99精品在免费线老司机午夜| 国产一区二区激情短视频| 丁香六月欧美| 天堂av国产一区二区熟女人妻| 亚洲精品色激情综合| 久久久久久久久免费视频了| 免费高清视频大片| 国产激情欧美一区二区| 精品久久久久久久毛片微露脸| 色综合婷婷激情| 久久久久久大精品| 中文资源天堂在线| 亚洲欧美一区二区三区黑人| 天天一区二区日本电影三级| 国产精品免费一区二区三区在线| 久久午夜亚洲精品久久| 91在线观看av| 色噜噜av男人的天堂激情| 久久午夜亚洲精品久久| 手机成人av网站| 综合色av麻豆| 一卡2卡三卡四卡精品乱码亚洲| 三级男女做爰猛烈吃奶摸视频| 亚洲狠狠婷婷综合久久图片| 一级毛片女人18水好多| av天堂在线播放| 一个人免费在线观看的高清视频| 熟女少妇亚洲综合色aaa.| 国产乱人视频| 亚洲精华国产精华精| 国产亚洲精品综合一区在线观看| 久久精品夜夜夜夜夜久久蜜豆| 黄色片一级片一级黄色片| 在线观看66精品国产| 俄罗斯特黄特色一大片| 午夜精品一区二区三区免费看| 中文字幕人成人乱码亚洲影| 午夜精品久久久久久毛片777| 成人国产综合亚洲| 淫秽高清视频在线观看| 午夜久久久久精精品| 亚洲真实伦在线观看| 真人一进一出gif抽搐免费| 搞女人的毛片| av视频在线观看入口| 免费无遮挡裸体视频| 久久精品91无色码中文字幕| 欧美三级亚洲精品| 欧美日韩福利视频一区二区| 亚洲av成人不卡在线观看播放网| 性欧美人与动物交配| 美女免费视频网站| av黄色大香蕉| 九色成人免费人妻av| 午夜日韩欧美国产| 精品免费久久久久久久清纯| 亚洲欧美精品综合一区二区三区| 久久性视频一级片| 日韩免费av在线播放| 99热6这里只有精品| av天堂在线播放| 国产亚洲欧美98| av国产免费在线观看| 亚洲国产中文字幕在线视频| 色综合亚洲欧美另类图片| 中文字幕最新亚洲高清| 99在线人妻在线中文字幕| 色综合婷婷激情| 制服丝袜大香蕉在线| 亚洲欧美日韩东京热| 亚洲国产欧美一区二区综合| 色哟哟哟哟哟哟| 亚洲人与动物交配视频| 在线视频色国产色| 精品久久久久久成人av| 欧美黄色片欧美黄色片| 成人精品一区二区免费| 狠狠狠狠99中文字幕| 亚洲午夜精品一区,二区,三区| www国产在线视频色| 亚洲 国产 在线| 亚洲成a人片在线一区二区| 欧美在线黄色| 最近最新中文字幕大全电影3| 床上黄色一级片| 久久久久免费精品人妻一区二区| 99久久无色码亚洲精品果冻| 国产极品精品免费视频能看的| 国产麻豆成人av免费视频| 天天躁狠狠躁夜夜躁狠狠躁| 日韩欧美国产在线观看| 欧美一区二区国产精品久久精品| 一区二区三区国产精品乱码| 亚洲av熟女| 又紧又爽又黄一区二区| 国产成人aa在线观看| 欧美av亚洲av综合av国产av| 亚洲国产中文字幕在线视频| 国产av不卡久久| 欧美日韩国产亚洲二区| 久久天躁狠狠躁夜夜2o2o| 国产午夜福利久久久久久| 欧美日韩福利视频一区二区| 一级a爱片免费观看的视频| 亚洲欧洲精品一区二区精品久久久| 五月玫瑰六月丁香| 91在线观看av| 久久久久久久精品吃奶| 国产一区二区三区视频了| 在线看三级毛片| avwww免费| 淫妇啪啪啪对白视频| 舔av片在线| 老司机在亚洲福利影院| 午夜精品久久久久久毛片777| 99精品久久久久人妻精品| 18禁观看日本| 中出人妻视频一区二区| 欧美黄色片欧美黄色片| 久久久久免费精品人妻一区二区| 免费看十八禁软件| 男人舔奶头视频| 精品99又大又爽又粗少妇毛片 | 欧美日韩亚洲国产一区二区在线观看| 久久久久久久久久黄片| 久久久久免费精品人妻一区二区| 成人无遮挡网站| 精品国产超薄肉色丝袜足j| 精品一区二区三区四区五区乱码| 色噜噜av男人的天堂激情| 淫妇啪啪啪对白视频| 叶爱在线成人免费视频播放| 免费在线观看视频国产中文字幕亚洲| 久久中文字幕人妻熟女| 欧美zozozo另类| 国产伦精品一区二区三区四那| 亚洲无线在线观看| 在线国产一区二区在线| 99国产综合亚洲精品| 欧美日韩国产亚洲二区| 亚洲国产欧美人成| 亚洲在线自拍视频| 国产精品一区二区三区四区久久| 日日摸夜夜添夜夜添小说| 国产成人福利小说| 窝窝影院91人妻| 国产av不卡久久| 脱女人内裤的视频| 岛国视频午夜一区免费看| 国产v大片淫在线免费观看| 亚洲自拍偷在线| 国产69精品久久久久777片 | 国内久久婷婷六月综合欲色啪| 五月玫瑰六月丁香| 99国产精品一区二区三区| 日本一二三区视频观看| 日本与韩国留学比较| 国产综合懂色| 国产精品女同一区二区软件 | 美女 人体艺术 gogo| 国产又色又爽无遮挡免费看| 窝窝影院91人妻| 国产高清有码在线观看视频| 免费在线观看影片大全网站| 成人三级做爰电影| 久久香蕉国产精品| 色老头精品视频在线观看| 国产淫片久久久久久久久 | 精品福利观看| 午夜激情欧美在线| 国产精品av视频在线免费观看| 亚洲av中文字字幕乱码综合| 男女视频在线观看网站免费| 国产三级中文精品| 亚洲欧洲精品一区二区精品久久久| 亚洲av电影在线进入| 激情在线观看视频在线高清| 18禁黄网站禁片午夜丰满| 热99在线观看视频| 午夜日韩欧美国产| 十八禁人妻一区二区| 日本与韩国留学比较| 国产高清三级在线| 亚洲欧美一区二区三区黑人| 国产高清视频在线播放一区| www.精华液| 亚洲无线在线观看| 99视频精品全部免费 在线 | 欧美午夜高清在线| 欧美乱码精品一区二区三区| 免费观看的影片在线观看| 欧美av亚洲av综合av国产av| 亚洲欧美日韩高清在线视频| 两个人视频免费观看高清| 老汉色∧v一级毛片| 精品午夜福利视频在线观看一区| 十八禁网站免费在线| 日韩国内少妇激情av| 国产淫片久久久久久久久 | 国产亚洲av高清不卡| 国产亚洲欧美98| 深夜精品福利| 欧美激情久久久久久爽电影| 亚洲人成电影免费在线| 国产免费av片在线观看野外av| 国产亚洲精品av在线| 免费观看的影片在线观看| 97人妻精品一区二区三区麻豆| 久久久精品大字幕| 色播亚洲综合网| 欧美又色又爽又黄视频| 日本一本二区三区精品| 观看美女的网站| 日韩欧美 国产精品| svipshipincom国产片| 久久久久久大精品| 亚洲电影在线观看av| 色综合欧美亚洲国产小说| 国产一区二区激情短视频| 在线观看66精品国产| 两人在一起打扑克的视频| 97超视频在线观看视频| 757午夜福利合集在线观看| 熟女人妻精品中文字幕| 91麻豆精品激情在线观看国产| 黑人操中国人逼视频| 久久九九热精品免费| www日本黄色视频网| 日日摸夜夜添夜夜添小说| 18美女黄网站色大片免费观看| 欧美日本亚洲视频在线播放| 看免费av毛片| 免费看十八禁软件| 丁香欧美五月| 成人精品一区二区免费| 亚洲五月婷婷丁香| 国产不卡一卡二| 亚洲成av人片在线播放无| 男人和女人高潮做爰伦理| 亚洲美女视频黄频| 久久精品亚洲精品国产色婷小说| 一级作爱视频免费观看| 一进一出好大好爽视频| 免费看光身美女| 热99re8久久精品国产| 88av欧美| 老司机在亚洲福利影院| 国产亚洲欧美98| 麻豆国产97在线/欧美| 九九在线视频观看精品| 成人三级做爰电影|