• <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 ?

    基于極限學(xué)習(xí)機(jī)與負(fù)荷密度指標(biāo)法的空間負(fù)荷預(yù)測(cè)

    2021-02-23 07:24:22邵宇鷹彭鵬張秋橋王冰
    電力工程技術(shù) 2021年1期
    關(guān)鍵詞:神經(jīng)元聚類(lèi)密度

    邵宇鷹, 彭鵬, 張秋橋, 王冰

    (1. 國(guó)網(wǎng)上海市電力公司,上海 200122;2. 南京寬塔信息技術(shù)有限公司, 江蘇 南京 211100;3. 河海大學(xué)能源與電氣學(xué)院,江蘇 南京 211100)

    0 引言

    空間負(fù)荷預(yù)測(cè)這一概念由H. Lee Willis于20世紀(jì)80年代初首次提出[1],不僅要對(duì)某一區(qū)域的負(fù)荷總量進(jìn)行預(yù)測(cè),同時(shí)還要預(yù)測(cè)這一區(qū)域負(fù)荷增長(zhǎng)的位置??臻g負(fù)荷預(yù)測(cè)是城市配電網(wǎng)規(guī)劃中不可或缺的重要環(huán)節(jié),其預(yù)測(cè)結(jié)果的精度對(duì)城市配電網(wǎng)規(guī)劃的經(jīng)濟(jì)性[2—6]以及可操作性有著重大影響。因此,隨著城市負(fù)荷的增長(zhǎng)以及智能電網(wǎng)建設(shè)需求的增加,空間負(fù)荷預(yù)測(cè)越來(lái)越受到重視。

    目前,空間負(fù)荷預(yù)測(cè)的方法主要有趨勢(shì)法[7]、多元變量法[8]、用地仿真法[9]以及負(fù)荷密度指標(biāo)法[10—12]。用地仿真法是一種自上而下的預(yù)測(cè)方法,首先將規(guī)劃區(qū)以網(wǎng)格的形式劃分為面積相同的元胞,然后以土地利用性質(zhì)為原則對(duì)負(fù)荷總量預(yù)測(cè)的結(jié)果進(jìn)行空間位置上的分配[13—14]。負(fù)荷密度指標(biāo)法是一種自下而上的空間負(fù)荷預(yù)測(cè)方法,首先按照負(fù)荷類(lèi)型劃分功能小區(qū),通過(guò)預(yù)測(cè)功能小區(qū)的負(fù)荷密度,然和結(jié)合小區(qū)的面積計(jì)算出各小區(qū)的負(fù)荷值,進(jìn)而得出總量負(fù)荷值[15]。這種預(yù)測(cè)方法適用于未來(lái)土地使用較為明確的情況,我國(guó)的土地使用方案已經(jīng)被規(guī)劃部門(mén)基本制定,因此負(fù)荷密度指標(biāo)法在我國(guó)應(yīng)用較多。

    文獻(xiàn)[16]為了解決數(shù)據(jù)匱乏且難以處理的問(wèn)題,提出一種基于最小二乘支持向量機(jī)的新型配電網(wǎng)空間負(fù)荷密度預(yù)測(cè)算法,引用了灰色關(guān)聯(lián)度算法來(lái)篩選樣本數(shù)據(jù),采用混沌粒子群算法優(yōu)化最小二乘支持向量機(jī)參數(shù)。文獻(xiàn)[17—18]提出一種考慮了分布式能源以及電動(dòng)汽車(chē)接入的配電網(wǎng)空間負(fù)荷預(yù)測(cè)算法,但是分布式能源與電動(dòng)汽車(chē)是一種復(fù)雜的非線性變化,文中只依靠支持向量機(jī)算法難以保證預(yù)測(cè)的精度與準(zhǔn)確性問(wèn)題。

    針對(duì)上述情況,文中提出基于極限學(xué)習(xí)機(jī)(extreme learning machine,ELM)和負(fù)荷密度指標(biāo)法的空間負(fù)荷預(yù)測(cè)算法,通過(guò)劃分小區(qū)元胞,對(duì)負(fù)荷進(jìn)行詳細(xì)劃分,構(gòu)造精細(xì)化的負(fù)荷密度指標(biāo)?;谀:鼵均值(fuzzy C-means,FCM)算法進(jìn)行樣本數(shù)據(jù)的篩選,利用粒子群優(yōu)化(particle swarm op-ti-mi-za-tion,PSO)算法優(yōu)化ELM模型參數(shù),通過(guò)實(shí)例驗(yàn)證了所提算法和模型的有效性。

    1 ELM算法

    人工神經(jīng)網(wǎng)絡(luò)在電力負(fù)荷預(yù)測(cè)中應(yīng)用較多,且模型的泛化能力以及訓(xùn)練速度較快,但存在易陷入過(guò)擬合以及預(yù)測(cè)精度不高的問(wèn)題。針對(duì)這些問(wèn)題,采用ELM算法建立空間負(fù)荷預(yù)測(cè)模型,與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)相比,ELM的泛化性能好,訓(xùn)練速度更快。在進(jìn)行空間負(fù)荷預(yù)測(cè)時(shí),主要分為2個(gè)步驟:(1) 選取訓(xùn)練樣本數(shù)據(jù)代入模型,確定模型的參數(shù);(2) 將要預(yù)測(cè)的小區(qū)特征代入模型,進(jìn)行預(yù)測(cè)。

    ELM算法是一種單隱含層前饋神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法[19—22],該算法隨機(jī)產(chǎn)生輸入層與隱含層間的連接權(quán)重及隱含層神經(jīng)元的閾值。算法的原理為:假設(shè)共有N個(gè)訓(xùn)練樣本(xi,yi),隱含層有L個(gè)神經(jīng)元,輸入層與隱含層之間的連接權(quán)重為W,隱含層與輸出層之間的連接權(quán)重為β,激勵(lì)函數(shù)為g(x)。故網(wǎng)絡(luò)的輸出T為:

    T=(t1,t2,…,tN)

    (1)

    (2)

    式中:wi=(wi1,wi2,…,win)為隱含層第i個(gè)神經(jīng)元與各個(gè)輸入層神經(jīng)元間的連接權(quán)重;βi=(βi1,βi2,…,βim)為隱含層第i個(gè)神經(jīng)元與各個(gè)輸出層神經(jīng)元間的連接權(quán)重;bi為隱含層第i個(gè)神經(jīng)元的閾值。

    根據(jù)式(1)和式(2)可得:

    Hβ=TT

    (3)

    式中:TT為矩陣T的轉(zhuǎn)置;H為神經(jīng)網(wǎng)絡(luò)的隱含層輸出矩陣。H具體形式為:

    (4)

    (5)

    一般情況下,隱含層神經(jīng)元要遠(yuǎn)遠(yuǎn)小于輸入層神經(jīng)元,故此時(shí)H是奇異的,可通過(guò)廣義逆矩陣求解奇異矩陣的逆矩陣,即式(4)的解為:

    (6)

    式中:H+為隱含層輸出矩陣H的Moore-Penrose廣義逆矩陣。

    2 FCM算法

    為了進(jìn)一步提高空間負(fù)荷預(yù)測(cè)的精度,在進(jìn)行仿真之前,需要對(duì)訓(xùn)練樣本進(jìn)行聚類(lèi)分析。文中采用了使用較為廣泛的FCM算法對(duì)訓(xùn)練樣本進(jìn)行聚類(lèi)分析。FCM算法是利用求解隸屬度來(lái)確定每個(gè)樣本所屬程度的一種聚類(lèi)算法,該算法具體求解步驟如下:

    (1) 對(duì)于N個(gè)訓(xùn)練樣本X={x1,x2,…,xN},將其劃分為C類(lèi),V={v1,v2,…,vc}是C個(gè)聚類(lèi)中心。實(shí)際問(wèn)題中C一般是人為給定的,設(shè)定迭代停止條件ε,同時(shí)初始化聚類(lèi)中心V=V0,設(shè)置迭代計(jì)數(shù)器t= 0,模糊權(quán)重指數(shù)m= 2。

    (2) 根據(jù)式(7)計(jì)算模糊隸屬度矩陣U。

    (7)

    (8)

    式中:uij為樣本xi隸屬于第j類(lèi)的模糊隸屬度,0≤uij≤1;dkj為樣本xi到第k類(lèi)聚類(lèi)中心vk的歐式距離;dij為樣本xi到第j類(lèi)聚類(lèi)中心vj的歐式距離,即:

    (9)

    按下式迭代聚類(lèi)中心矩陣vj,t+1:

    (10)

    若‖Vt-Vt+1‖<ε,則停止,輸出U和聚類(lèi)中心矩陣V;否則令h=h+1,轉(zhuǎn)至步驟(2)。

    個(gè)體則是根據(jù)隸屬度矩陣每列最大元素位置判斷個(gè)體所屬類(lèi)別,給定輸入樣本,計(jì)算其與每一類(lèi)聚類(lèi)中心的歐式距離,取最小歐式距離的那一類(lèi)數(shù)據(jù)作為回歸模型的訓(xùn)練樣本,從而極大地提高空間負(fù)荷預(yù)測(cè)精度。

    3 基于PSO-ELM的建模

    文中采用ELM建立空間負(fù)荷預(yù)測(cè)模型,利用PSO模型的參數(shù)提高負(fù)荷預(yù)測(cè)的精度。PSO的原理如下:

    PSO算法中每個(gè)粒子就是d搜索空間中的一個(gè)潛在解,記為Xi=(xi1,xi2,…,xid)。將Xi代入目標(biāo)函數(shù)計(jì)算其適應(yīng)度值,則粒子的“好壞”可用適應(yīng)度值來(lái)評(píng)判。第i個(gè)粒子的速度則是用一個(gè)d維向量表示,記為Vi=(vi1,vi2,…,vid)。在迭代的過(guò)程中,第i個(gè)粒子搜索到的最佳位置記為Pid=(pi1,pi2,…,pid),所有粒子搜索到的最佳位置記為Pgd=(pg1,pg2,…,pgd)。粒子根據(jù)下式更新速度和位置:

    (11)

    式中:i=1,2,…,m;k為迭代次數(shù);ω為慣性權(quán)重因子;非負(fù)常數(shù)c1,c2為學(xué)習(xí)因子;r1,r2為(0,1)間的隨機(jī)數(shù)。

    考慮到粒子在搜索的過(guò)程中是非線性變化的,因此采用非線性凹函數(shù)遞減慣性權(quán)重方式會(huì)獲得更好的效果。

    (12)

    式中:Tmax為最大迭代次數(shù);ωmax,ωmin分別為慣性權(quán)重的最大、最小值,通常ωmax取0.9,ωmin取0.4。

    由上文對(duì)ELM的介紹可知,輸入層神經(jīng)元個(gè)數(shù)、隱含層神經(jīng)元個(gè)數(shù)以及輸出層神經(jīng)元個(gè)數(shù)預(yù)先設(shè)定,模型未知的參數(shù)變量是輸入層與隱含層之間的連接權(quán)重W和隱含層神經(jīng)元閾值b,激勵(lì)函數(shù)采用Sigmoid函數(shù),目標(biāo)函數(shù)是使式(5)最小。

    因此,PSO優(yōu)化的過(guò)程,就是找到使得目標(biāo)函數(shù)最小的ELM最優(yōu)的輸入層與隱含層之間的連接權(quán)重W和隱含層神經(jīng)元閾值b的過(guò)程。通過(guò)粒子群的不斷迭代,將模型的目標(biāo)函數(shù)作為粒子群的評(píng)價(jià)指標(biāo),最終滿足精度要求后輸出模型的最優(yōu)參數(shù)。

    4 空間負(fù)荷預(yù)測(cè)步驟

    采用負(fù)荷密度指標(biāo)法進(jìn)行空間負(fù)荷預(yù)測(cè)最重要的步驟是建立精細(xì)化的負(fù)荷密度指標(biāo)體系,利用FCM算法對(duì)樣本數(shù)據(jù)聚類(lèi)分析;然后采用文中所提的PSO-ELM模型預(yù)測(cè),將負(fù)荷密度作為模型的輸出,結(jié)合小區(qū)的面積求出小區(qū)的負(fù)荷大小??臻g負(fù)荷預(yù)測(cè)的具體步驟如下。

    (1) 構(gòu)建精細(xì)化的負(fù)荷密度指標(biāo)體系。文中將電力負(fù)荷根據(jù)用電性質(zhì)分為以下10類(lèi):工業(yè)負(fù)荷,居民住宅負(fù)荷,行政辦公負(fù)荷,商業(yè)負(fù)荷,文化娛樂(lè)負(fù)荷,研發(fā)負(fù)荷,教育、醫(yī)療、體育等公共設(shè)施負(fù)荷,市政設(shè)施負(fù)荷,倉(cāng)儲(chǔ)物流負(fù)荷,綠化、廣場(chǎng)及道路負(fù)荷。分析搜集到的數(shù)據(jù)可知,每一類(lèi)負(fù)荷從最大值到最小值的跨度較大,有必要對(duì)每一類(lèi)負(fù)荷再進(jìn)行細(xì)分,見(jiàn)圖1。等級(jí)1到等級(jí)T表示將每一類(lèi)負(fù)荷再細(xì)分為T(mén)類(lèi),通過(guò)上文提到的FCM算法實(shí)現(xiàn)。

    圖1 負(fù)荷密度指標(biāo)體系Fig.1 Load density index system

    (2) 確定訓(xùn)練樣本。利用FCM聚類(lèi)算法,將每類(lèi)負(fù)荷再細(xì)分為幾個(gè)類(lèi)型。以居民住宅為例,將這一類(lèi)負(fù)荷分為再5種類(lèi)型,求出每一類(lèi)的聚類(lèi)中心矩陣。對(duì)于給定的待預(yù)測(cè)地的特性指標(biāo),求出與5個(gè)聚類(lèi)中心的歐式距離,取距離最小的那一類(lèi)樣本作為訓(xùn)練樣本。

    (3) 建立回歸模型。文中采用的回歸模型是基于PSO的ELM算法,將選好的訓(xùn)練樣本代入模型,影響因素作為模型的輸入,負(fù)荷密度作為模型的輸出。訓(xùn)練好模型后,代入待預(yù)測(cè)地的特性指標(biāo),即可得出待預(yù)測(cè)地未來(lái)年的負(fù)荷密度。

    (4) 進(jìn)行空間負(fù)荷預(yù)測(cè)。將求出的各類(lèi)負(fù)荷密度ρi乘以小區(qū)的面積Si即可得每個(gè)小區(qū)的負(fù)荷值Wi,將小區(qū)負(fù)荷相加并進(jìn)行修正即可得到規(guī)劃區(qū)的總量負(fù)荷。

    (13)

    式中:pi為小區(qū)的同時(shí)系數(shù);N為小區(qū)個(gè)數(shù);W為預(yù)測(cè)的空間負(fù)荷值。

    根據(jù)以上4個(gè)步驟,基于ELM和負(fù)荷密度指標(biāo)法的空間負(fù)荷預(yù)測(cè)流程如圖2所示。

    圖2 空間負(fù)荷預(yù)測(cè)總流程Fig.2 General flow chart of space load prediction

    5 算例分析

    以居民住宅負(fù)荷為例,搜集上海市某規(guī)劃地小區(qū)居民負(fù)荷數(shù)據(jù)樣本,參考負(fù)荷密度指標(biāo)體系可知,影響居民住宅負(fù)荷的主要因素為:人口密度A1,人均收入A2,人均用電量A3,煤電價(jià)格比增長(zhǎng)率A4及回歸模型的輸出負(fù)荷密度C。搜集到的128個(gè)居民住宅樣本數(shù)據(jù)如表1所示。

    表1 樣本數(shù)據(jù)Table 1 Sample data

    考慮到居民住宅負(fù)荷密度大小跨度較大,因此將其再細(xì)分為5類(lèi),使用FCM算法將其聚類(lèi),每一類(lèi)的聚類(lèi)中心以及樣本數(shù)如表2所示。

    表2 各類(lèi)負(fù)荷的聚類(lèi)中心矩陣和樣本數(shù)目Table 2 Cluster center matrix and sample number of each load

    已知預(yù)測(cè)小區(qū)影響因素的數(shù)值為:A1=26 431,A2=1 576.3,A3=751,A4=1.379,對(duì)數(shù)據(jù)進(jìn)行歸一化處理,計(jì)算該樣本與上述5類(lèi)樣本距離中心矩陣的歐式距離,采用標(biāo)量值表示,記為d={0.048 7,0.657 3,0.313 2,0.685 4,0.238 6}。計(jì)算結(jié)果表明,預(yù)測(cè)小區(qū)與第一類(lèi)負(fù)荷的歐式距離最小,故選取第一類(lèi)負(fù)荷的28個(gè)樣本數(shù)據(jù)作為訓(xùn)練樣本訓(xùn)練極限學(xué)習(xí)機(jī)回歸模型。文中使用Matlab建立ELM模型,利用PSO算法來(lái)對(duì)ELM的參數(shù)進(jìn)行優(yōu)化。

    采用絕對(duì)誤差EAE和相對(duì)誤差ERE作為評(píng)價(jià)指標(biāo):

    EAE=|C-C′|

    (14)

    (15)

    為了驗(yàn)證文中所提算法的有效性,分別對(duì)未采用FCM算法、未采用PSO算法與文中所提算法進(jìn)行比較,預(yù)測(cè)結(jié)果如表3所示。

    表3 3種算法的預(yù)測(cè)結(jié)果比較Table 3 Comparison of prediction results of three algorithms

    由表3可知,PSO-ELM算法精度最高,且誤差滿足實(shí)際的工程要求。FCM聚類(lèi)算法只是對(duì)數(shù)據(jù)進(jìn)行處理,沒(méi)有改變模型本身的復(fù)雜性。PSO算法優(yōu)化耗時(shí)較短,因此引入PSO算法并不會(huì)影響模型的計(jì)算速度。

    對(duì)于上述小區(qū)的負(fù)荷大小,可通過(guò)負(fù)荷密度乘以小區(qū)面積獲得,對(duì)于規(guī)劃地的空間負(fù)荷總量的預(yù)測(cè)則需要預(yù)測(cè)出每個(gè)小區(qū)的負(fù)荷密度大小,然后求取每個(gè)小區(qū)的負(fù)荷大小。表4給出了另外3個(gè)小區(qū)的特性指標(biāo),采用上述的PSO-ELM算法預(yù)測(cè)負(fù)荷密度大小。

    表4 預(yù)測(cè)結(jié)果分析Table 4 Analysis of prediction results

    按照此方法,求出規(guī)劃區(qū)內(nèi)所有的小區(qū)負(fù)荷密度,即可得到居民區(qū)空間負(fù)荷分布規(guī)律。文中在求取總負(fù)荷時(shí),參考統(tǒng)計(jì)數(shù)據(jù),設(shè)置同時(shí)系數(shù)為0.9,將每個(gè)小區(qū)負(fù)荷疊加修正即可得到總的空間負(fù)荷大小。

    6 結(jié)語(yǔ)

    文中所采用的空間負(fù)荷預(yù)測(cè)的算法是基于我國(guó)土地開(kāi)發(fā)的實(shí)際情況提出的,我國(guó)土地的規(guī)劃主要由政府決定,土地的使用性質(zhì)明確,故可采用負(fù)荷密度指標(biāo)法。文中采用的回歸模型是ELM,該算法屬于神經(jīng)網(wǎng)絡(luò)范疇,具有運(yùn)行速度快、自學(xué)習(xí)能力強(qiáng)等優(yōu)點(diǎn)。但是該算法也容易陷入過(guò)擬合狀態(tài),因此采用了改進(jìn)的PSO算法來(lái)對(duì)其參數(shù)進(jìn)行尋優(yōu)處理。文中提出的負(fù)荷密度指標(biāo)法意在建立精細(xì)化的負(fù)荷密度指標(biāo)體系,采用FCM算法對(duì)每一類(lèi)負(fù)荷進(jìn)行再細(xì)化的聚類(lèi),為ELM提供訓(xùn)練樣本,提高預(yù)測(cè)的精度。仿真試驗(yàn)證明,該算法具有很強(qiáng)的實(shí)用性。

    本文得到國(guó)網(wǎng)上海市電力公司“基于智能算法的配電網(wǎng)空間負(fù)荷聚類(lèi)及預(yù)測(cè)研究”(52-0-9-7-0-1-8-0-0-0G)資助,謹(jǐn)此致謝!

    猜你喜歡
    神經(jīng)元聚類(lèi)密度
    『密度』知識(shí)鞏固
    密度在身邊 應(yīng)用隨處見(jiàn)
    《從光子到神經(jīng)元》書(shū)評(píng)
    自然雜志(2021年6期)2021-12-23 08:24:46
    密度應(yīng)用知多少
    “玩轉(zhuǎn)”密度
    躍動(dòng)的神經(jīng)元——波蘭Brain Embassy聯(lián)合辦公
    基于DBSACN聚類(lèi)算法的XML文檔聚類(lèi)
    基于改進(jìn)的遺傳算法的模糊聚類(lèi)算法
    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(jìn)單神經(jīng)元控制
    在线看a的网站| 男女免费视频国产| 欧美日韩一区二区视频在线观看视频在线| 国产精品一区二区在线观看99| 免费大片黄手机在线观看| 大陆偷拍与自拍| 久久精品国产亚洲av涩爱| 久久国产亚洲av麻豆专区| 一级片'在线观看视频| 在线观看免费日韩欧美大片 | 日本免费在线观看一区| 插逼视频在线观看| 女人久久www免费人成看片| 人妻制服诱惑在线中文字幕| 国产av精品麻豆| 99热国产这里只有精品6| 国产高清国产精品国产三级 | 成人黄色视频免费在线看| 舔av片在线| 国产黄色视频一区二区在线观看| 国产精品国产av在线观看| 1000部很黄的大片| 精品久久久久久电影网| 噜噜噜噜噜久久久久久91| 欧美成人a在线观看| 三级国产精品片| 亚洲精品一区蜜桃| 国产v大片淫在线免费观看| 国产v大片淫在线免费观看| 国产深夜福利视频在线观看| videos熟女内射| 久久久久久久久久久免费av| 亚洲av男天堂| 亚洲精品日本国产第一区| 精品久久久噜噜| av.在线天堂| 丰满人妻一区二区三区视频av| 国产免费一区二区三区四区乱码| 又黄又爽又刺激的免费视频.| 亚洲综合精品二区| 亚洲av免费高清在线观看| 91精品国产国语对白视频| 久久久久人妻精品一区果冻| 久久影院123| 亚洲国产精品一区三区| 久久精品久久精品一区二区三区| 插阴视频在线观看视频| 2021少妇久久久久久久久久久| 欧美精品亚洲一区二区| 亚洲精品456在线播放app| 99久久精品一区二区三区| 大话2 男鬼变身卡| 中文精品一卡2卡3卡4更新| 国产精品嫩草影院av在线观看| 少妇精品久久久久久久| 成人毛片a级毛片在线播放| 亚洲av福利一区| 国内精品宾馆在线| 久久久欧美国产精品| 日韩av不卡免费在线播放| 国产精品欧美亚洲77777| 熟女人妻精品中文字幕| 伦精品一区二区三区| 国产精品偷伦视频观看了| 成人漫画全彩无遮挡| 色视频www国产| 国产伦在线观看视频一区| 国产黄频视频在线观看| 久久久久久久精品精品| 又爽又黄a免费视频| 性高湖久久久久久久久免费观看| 少妇高潮的动态图| 美女脱内裤让男人舔精品视频| 亚洲成人av在线免费| 久久女婷五月综合色啪小说| 我的老师免费观看完整版| 国产精品一区二区性色av| 亚洲av成人精品一二三区| 久久影院123| 国产中年淑女户外野战色| 国产久久久一区二区三区| videos熟女内射| 欧美日本视频| 亚洲久久久国产精品| 国产av码专区亚洲av| 七月丁香在线播放| 日韩 亚洲 欧美在线| 久久久久久久亚洲中文字幕| 久久毛片免费看一区二区三区| 久久毛片免费看一区二区三区| 亚洲av成人精品一区久久| 国产免费又黄又爽又色| 亚洲国产成人一精品久久久| 极品少妇高潮喷水抽搐| 久久国产精品男人的天堂亚洲 | 国产成人免费观看mmmm| 最近2019中文字幕mv第一页| 内射极品少妇av片p| 婷婷色综合大香蕉| 大香蕉97超碰在线| 国产伦在线观看视频一区| 五月伊人婷婷丁香| 亚洲高清免费不卡视频| 精品视频人人做人人爽| 亚洲熟女精品中文字幕| 美女cb高潮喷水在线观看| 精品久久久噜噜| 91午夜精品亚洲一区二区三区| 我要看日韩黄色一级片| 亚洲美女搞黄在线观看| 亚洲第一区二区三区不卡| 一区二区av电影网| 五月玫瑰六月丁香| 啦啦啦在线观看免费高清www| 一级a做视频免费观看| 久久人人爽av亚洲精品天堂 | 大香蕉久久网| 日韩欧美 国产精品| www.色视频.com| 夜夜骑夜夜射夜夜干| 日韩视频在线欧美| 亚洲成人中文字幕在线播放| 最近手机中文字幕大全| 亚洲欧美成人精品一区二区| 日本wwww免费看| 亚洲欧美清纯卡通| 亚洲,欧美,日韩| 亚洲美女视频黄频| 好男人视频免费观看在线| 久久韩国三级中文字幕| 韩国av在线不卡| 新久久久久国产一级毛片| 国产午夜精品一二区理论片| 不卡视频在线观看欧美| 大陆偷拍与自拍| 我的老师免费观看完整版| 自拍偷自拍亚洲精品老妇| 18禁裸乳无遮挡动漫免费视频| 一级二级三级毛片免费看| 99热这里只有是精品在线观看| 日本黄色日本黄色录像| 久久久久久久久大av| 国产淫片久久久久久久久| 国产伦理片在线播放av一区| 亚洲一级一片aⅴ在线观看| 亚洲国产色片| 国产精品一区二区三区四区免费观看| 一边亲一边摸免费视频| 亚洲国产成人一精品久久久| 22中文网久久字幕| 国产精品久久久久久av不卡| 欧美变态另类bdsm刘玥| 99热网站在线观看| 少妇人妻精品综合一区二区| 十八禁网站网址无遮挡 | 欧美日韩国产mv在线观看视频 | 精品少妇久久久久久888优播| 国产欧美日韩一区二区三区在线 | 国产白丝娇喘喷水9色精品| av又黄又爽大尺度在线免费看| 熟女人妻精品中文字幕| 免费av不卡在线播放| 亚洲av福利一区| 99热6这里只有精品| 99re6热这里在线精品视频| 久久99热这里只有精品18| 亚洲国产色片| 免费av不卡在线播放| 2018国产大陆天天弄谢| 久久久久久人妻| 三级国产精品欧美在线观看| 成人18禁高潮啪啪吃奶动态图 | 一区二区三区乱码不卡18| 久久这里有精品视频免费| 天天躁夜夜躁狠狠久久av| 亚洲怡红院男人天堂| 成人影院久久| 嫩草影院入口| 欧美精品亚洲一区二区| 极品教师在线视频| 一级爰片在线观看| 精品少妇黑人巨大在线播放| 亚洲av日韩在线播放| 你懂的网址亚洲精品在线观看| 日韩精品有码人妻一区| 中文精品一卡2卡3卡4更新| 国产精品久久久久成人av| 日韩欧美一区视频在线观看 | 美女xxoo啪啪120秒动态图| 国产久久久一区二区三区| 午夜福利高清视频| 欧美xxxx黑人xx丫x性爽| 日本欧美视频一区| 1000部很黄的大片| 菩萨蛮人人尽说江南好唐韦庄| 精品久久久久久久久av| 能在线免费看毛片的网站| 干丝袜人妻中文字幕| 国产乱人偷精品视频| 亚洲精品一二三| 老司机影院毛片| 少妇丰满av| 午夜免费鲁丝| 91精品国产九色| 久久久精品免费免费高清| 色5月婷婷丁香| 亚洲国产高清在线一区二区三| 午夜日本视频在线| 亚洲国产欧美人成| 一本久久精品| 99热这里只有精品一区| 国产一区二区三区综合在线观看 | 国产高清不卡午夜福利| 欧美精品人与动牲交sv欧美| 国产男女内射视频| 免费观看性生交大片5| 晚上一个人看的免费电影| 亚洲国产精品999| 22中文网久久字幕| 99九九线精品视频在线观看视频| 夜夜骑夜夜射夜夜干| 噜噜噜噜噜久久久久久91| 人妻少妇偷人精品九色| 国产精品人妻久久久久久| 日本av免费视频播放| 91在线精品国自产拍蜜月| 国产成人a∨麻豆精品| 99久久人妻综合| 国产男女超爽视频在线观看| 精品人妻视频免费看| 亚洲av中文av极速乱| 久久亚洲国产成人精品v| 欧美区成人在线视频| 久久久久久久久大av| av卡一久久| 在线 av 中文字幕| 老女人水多毛片| 少妇高潮的动态图| 亚洲美女黄色视频免费看| 91精品伊人久久大香线蕉| 欧美成人午夜免费资源| 色网站视频免费| 欧美日韩在线观看h| 欧美最新免费一区二区三区| 黄片wwwwww| 男男h啪啪无遮挡| 99热这里只有精品一区| 国产在线男女| 男女啪啪激烈高潮av片| 国产精品国产三级国产av玫瑰| 在线观看免费高清a一片| 日本黄色片子视频| 18+在线观看网站| 成人黄色视频免费在线看| 国产片特级美女逼逼视频| 性高湖久久久久久久久免费观看| 最近中文字幕高清免费大全6| 秋霞伦理黄片| 大片电影免费在线观看免费| 精品99又大又爽又粗少妇毛片| 国产在线男女| 免费在线观看成人毛片| 最近最新中文字幕大全电影3| 国产黄片美女视频| 蜜臀久久99精品久久宅男| 在线观看国产h片| 亚洲精品第二区| 久久国产精品男人的天堂亚洲 | 国产探花极品一区二区| 亚洲激情五月婷婷啪啪| 国产精品精品国产色婷婷| 久久精品国产亚洲av天美| 久久99蜜桃精品久久| 精品一品国产午夜福利视频| 亚洲激情五月婷婷啪啪| 久久久成人免费电影| 成人亚洲欧美一区二区av| 成人影院久久| 一级黄片播放器| 亚洲电影在线观看av| 亚洲av成人精品一二三区| 亚洲四区av| 亚洲人成网站高清观看| 这个男人来自地球电影免费观看 | 国产无遮挡羞羞视频在线观看| 亚洲性久久影院| 国产午夜精品久久久久久一区二区三区| 男男h啪啪无遮挡| 欧美老熟妇乱子伦牲交| 欧美国产精品一级二级三级 | 在线看a的网站| 欧美xxxx黑人xx丫x性爽| 免费看光身美女| av一本久久久久| 日本欧美视频一区| 国产精品人妻久久久影院| 亚洲av在线观看美女高潮| av免费观看日本| 青春草国产在线视频| 中文天堂在线官网| 亚洲四区av| 国产精品.久久久| 成人国产av品久久久| 色视频www国产| 在线精品无人区一区二区三 | 中文字幕人妻熟人妻熟丝袜美| 成人免费观看视频高清| 免费人妻精品一区二区三区视频| 国产精品欧美亚洲77777| 亚洲国产色片| 精品久久久噜噜| 身体一侧抽搐| av免费在线看不卡| 国产老妇伦熟女老妇高清| 久久国产精品大桥未久av | 免费看日本二区| 蜜臀久久99精品久久宅男| 熟女人妻精品中文字幕| 日韩人妻高清精品专区| 亚洲欧美一区二区三区国产| 人妻夜夜爽99麻豆av| 日韩欧美精品免费久久| 熟女电影av网| 亚洲va在线va天堂va国产| 亚洲色图av天堂| av在线播放精品| 人人妻人人爽人人添夜夜欢视频 | 99久久综合免费| 欧美激情极品国产一区二区三区 | 免费观看在线日韩| 成人无遮挡网站| 国产精品.久久久| 亚洲色图综合在线观看| 九草在线视频观看| 男男h啪啪无遮挡| 亚洲欧美日韩东京热| 啦啦啦在线观看免费高清www| a 毛片基地| 国产午夜精品一二区理论片| 亚洲精品乱码久久久久久按摩| 狂野欧美激情性xxxx在线观看| 国产精品久久久久久精品古装| 亚洲一区二区三区欧美精品| 国产中年淑女户外野战色| 久久精品人妻少妇| 韩国av在线不卡| 午夜日本视频在线| 日本黄色片子视频| 观看av在线不卡| 晚上一个人看的免费电影| 一区在线观看完整版| 妹子高潮喷水视频| 精品久久久久久久久亚洲| 国产精品久久久久久精品古装| 欧美精品一区二区免费开放| 如何舔出高潮| 在线观看一区二区三区| 久久精品国产a三级三级三级| 精品国产三级普通话版| 亚洲av在线观看美女高潮| 日韩制服骚丝袜av| 极品少妇高潮喷水抽搐| 国产精品av视频在线免费观看| 国产 精品1| 国产淫语在线视频| 性色av一级| 日韩,欧美,国产一区二区三区| 色婷婷av一区二区三区视频| 亚洲国产精品成人久久小说| 十八禁网站网址无遮挡 | 久久 成人 亚洲| 成人免费观看视频高清| 日韩欧美精品免费久久| 午夜福利在线观看免费完整高清在| 春色校园在线视频观看| 亚洲av日韩在线播放| 男人爽女人下面视频在线观看| 我的老师免费观看完整版| 亚洲国产色片| 亚洲精品久久久久久婷婷小说| 久久人人爽人人片av| 蜜臀久久99精品久久宅男| 日本黄色片子视频| 在线观看一区二区三区| 中文字幕人妻熟人妻熟丝袜美| 日日撸夜夜添| 大又大粗又爽又黄少妇毛片口| 国产国拍精品亚洲av在线观看| 中文字幕久久专区| 国产亚洲最大av| 亚洲欧美成人精品一区二区| 久久99热这里只频精品6学生| 欧美激情极品国产一区二区三区 | 久久久亚洲精品成人影院| 亚洲人与动物交配视频| 亚洲精品久久久久久婷婷小说| 色视频www国产| 亚洲天堂av无毛| 国产爽快片一区二区三区| 九九久久精品国产亚洲av麻豆| 国产日韩欧美亚洲二区| 中文精品一卡2卡3卡4更新| 在线观看免费视频网站a站| 国产精品三级大全| 国产伦在线观看视频一区| 免费观看性生交大片5| 看十八女毛片水多多多| 免费观看的影片在线观看| 国产免费一级a男人的天堂| 男人爽女人下面视频在线观看| 久久久亚洲精品成人影院| 青春草国产在线视频| 亚洲天堂av无毛| 九九爱精品视频在线观看| 久久久成人免费电影| 亚洲国产毛片av蜜桃av| 国产精品三级大全| 99re6热这里在线精品视频| 久久 成人 亚洲| 欧美日韩综合久久久久久| 99久国产av精品国产电影| 亚洲欧美精品自产自拍| 韩国av在线不卡| 免费观看a级毛片全部| 蜜桃久久精品国产亚洲av| 亚洲av男天堂| h视频一区二区三区| 国产亚洲最大av| 精品少妇黑人巨大在线播放| 97热精品久久久久久| 身体一侧抽搐| 久久99热6这里只有精品| 精华霜和精华液先用哪个| 亚洲图色成人| 啦啦啦在线观看免费高清www| 少妇的逼水好多| 久久人人爽av亚洲精品天堂 | 啦啦啦在线观看免费高清www| 日韩电影二区| 在线观看美女被高潮喷水网站| 国产精品一区二区三区四区免费观看| 高清欧美精品videossex| 欧美精品人与动牲交sv欧美| 成人二区视频| 99久久中文字幕三级久久日本| 亚洲三级黄色毛片| 久久综合国产亚洲精品| 波野结衣二区三区在线| 国产精品久久久久久精品电影小说 | 777米奇影视久久| 午夜免费男女啪啪视频观看| av在线播放精品| 精品国产一区二区三区久久久樱花 | 国产精品麻豆人妻色哟哟久久| 国产69精品久久久久777片| 国产精品成人在线| 亚洲精品一区蜜桃| 国产亚洲午夜精品一区二区久久| 欧美人与善性xxx| 六月丁香七月| 午夜福利高清视频| 18禁动态无遮挡网站| 色吧在线观看| 人妻 亚洲 视频| 日本爱情动作片www.在线观看| 色网站视频免费| 黄色视频在线播放观看不卡| 一区在线观看完整版| 国产日韩欧美亚洲二区| av一本久久久久| 黄色配什么色好看| 久久久色成人| 亚洲欧美日韩无卡精品| 国产乱人偷精品视频| 日本猛色少妇xxxxx猛交久久| 麻豆成人av视频| av卡一久久| 国产免费一级a男人的天堂| 建设人人有责人人尽责人人享有的 | 久久国产亚洲av麻豆专区| 欧美xxⅹ黑人| 国产无遮挡羞羞视频在线观看| 菩萨蛮人人尽说江南好唐韦庄| 成年女人在线观看亚洲视频| 天美传媒精品一区二区| 你懂的网址亚洲精品在线观看| 少妇 在线观看| 视频区图区小说| 欧美一级a爱片免费观看看| 18禁在线播放成人免费| 免费av不卡在线播放| a 毛片基地| 欧美日韩精品成人综合77777| 亚洲国产毛片av蜜桃av| 久久人人爽av亚洲精品天堂 | 亚洲精品成人av观看孕妇| 最新中文字幕久久久久| 青春草视频在线免费观看| 免费大片18禁| 亚洲电影在线观看av| 三级国产精品片| 少妇人妻久久综合中文| a级一级毛片免费在线观看| 日本爱情动作片www.在线观看| 亚洲国产高清在线一区二区三| 久久人人爽人人片av| 国产精品秋霞免费鲁丝片| 久久这里有精品视频免费| 久久6这里有精品| 成人毛片60女人毛片免费| 天堂俺去俺来也www色官网| 久久久久久伊人网av| 18+在线观看网站| 美女内射精品一级片tv| 亚洲精品日韩在线中文字幕| 亚洲精品一区蜜桃| 国产精品一区二区在线不卡| 波野结衣二区三区在线| 少妇熟女欧美另类| 国产成人免费观看mmmm| 亚洲无线观看免费| 日本一二三区视频观看| 精品人妻视频免费看| 在线观看一区二区三区激情| 视频中文字幕在线观看| 成年美女黄网站色视频大全免费 | 在线免费观看不下载黄p国产| 亚洲av成人精品一二三区| 亚洲av中文字字幕乱码综合| 大片免费播放器 马上看| 亚洲一区二区三区欧美精品| 国产乱人偷精品视频| 舔av片在线| 国产有黄有色有爽视频| 国产无遮挡羞羞视频在线观看| 一本色道久久久久久精品综合| 日日摸夜夜添夜夜添av毛片| 我要看黄色一级片免费的| 一区二区三区精品91| 国产高清三级在线| 久久青草综合色| 人妻夜夜爽99麻豆av| 纯流量卡能插随身wifi吗| 色哟哟·www| 成人免费观看视频高清| 免费黄色在线免费观看| 高清日韩中文字幕在线| 欧美激情国产日韩精品一区| 亚洲精品日本国产第一区| 欧美bdsm另类| 小蜜桃在线观看免费完整版高清| 成人无遮挡网站| 国产精品偷伦视频观看了| tube8黄色片| 久久99热这里只频精品6学生| 成人毛片60女人毛片免费| 国产爽快片一区二区三区| 男女国产视频网站| 99视频精品全部免费 在线| 啦啦啦啦在线视频资源| av又黄又爽大尺度在线免费看| 国产一区二区三区综合在线观看 | 成人高潮视频无遮挡免费网站| 亚洲,一卡二卡三卡| 大香蕉久久网| 亚洲婷婷狠狠爱综合网| 国产av码专区亚洲av| 五月天丁香电影| 边亲边吃奶的免费视频| 久久精品国产亚洲网站| 亚洲欧美日韩无卡精品| 九九爱精品视频在线观看| 久久久久视频综合| 小蜜桃在线观看免费完整版高清| av在线播放精品| 男女啪啪激烈高潮av片| 国产亚洲av片在线观看秒播厂| 久久人人爽av亚洲精品天堂 | 成人二区视频| 国产亚洲午夜精品一区二区久久| 夫妻性生交免费视频一级片| 日本黄色片子视频| 亚洲内射少妇av| 最近中文字幕2019免费版| 美女高潮的动态| 国产男女内射视频| 精品国产一区二区三区久久久樱花 | 色5月婷婷丁香| 在线 av 中文字幕| 日韩制服骚丝袜av| 99re6热这里在线精品视频| 国产精品一区www在线观看| 99热网站在线观看| 日本黄色日本黄色录像| 97精品久久久久久久久久精品| 一本—道久久a久久精品蜜桃钙片| 人妻制服诱惑在线中文字幕| 最近2019中文字幕mv第一页| 丰满人妻一区二区三区视频av| 免费大片黄手机在线观看| 久久人人爽人人片av| 亚洲国产欧美在线一区| 国产精品一区二区在线观看99| 热re99久久精品国产66热6| 一级a做视频免费观看| 最近中文字幕2019免费版| 晚上一个人看的免费电影| 狂野欧美激情性xxxx在线观看| 国产免费福利视频在线观看| 丝瓜视频免费看黄片| 观看美女的网站| 久久精品人妻少妇| 久久久久久久亚洲中文字幕| 国产精品久久久久久av不卡| 日本av免费视频播放|