• <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 ?

    基于數(shù)值天氣預(yù)報(bào)風(fēng)速和蒙特卡洛法的短期風(fēng)電功率區(qū)間預(yù)測(cè)

    2021-03-18 02:36:38茂,董
    電力系統(tǒng)自動(dòng)化 2021年5期
    關(guān)鍵詞:概率密度蒙特卡洛電功率

    楊 茂,董 昊

    (現(xiàn)代電力系統(tǒng)仿真控制與綠色電能新技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室(東北電力大學(xué)),吉林省吉林市132012)

    0 引言

    風(fēng)電功率區(qū)間預(yù)測(cè)是指在既定的置信度下,對(duì)待預(yù)測(cè)時(shí)刻風(fēng)電出力的上下邊界進(jìn)行預(yù)測(cè),是提高電力系統(tǒng)經(jīng)濟(jì)運(yùn)行效率,降低電網(wǎng)安全風(fēng)險(xiǎn)系數(shù)的重要方法[1-2]。根據(jù)是否考慮氣象環(huán)境等因素,可以將風(fēng)電功率區(qū)間預(yù)測(cè)大體分為統(tǒng)計(jì)模型和物理模型[3-4]。

    統(tǒng)計(jì)模型利用歷史預(yù)測(cè)結(jié)果,對(duì)所得誤差進(jìn)行分類和擬合,結(jié)合待預(yù)測(cè)時(shí)刻的點(diǎn)預(yù)測(cè)結(jié)果進(jìn)而得到功率的上、下邊界[5]。文獻(xiàn)[6]利用混合Gaussian分布近似得到目標(biāo)隨機(jī)變量的條件分布,可以對(duì)模型的不確定性定量地描述。文獻(xiàn)[7]利用混合偏態(tài)分布模型估計(jì)短期風(fēng)電預(yù)測(cè)誤差分布,并通過概率密度曲線非線性擬合進(jìn)行參數(shù)估計(jì)。以上文獻(xiàn)所提方法均為參數(shù)型,即假設(shè)誤差滿足某一種特定的分布形式,具體還包括Beta分布[8]、Logistic分布[9]、翹曲高斯分布[10]等。但由于風(fēng)電出力具有強(qiáng)波動(dòng)性和高隨機(jī)性的特征,實(shí)際的預(yù)測(cè)誤差可能并不符合某一具體的分布,并且同一模型對(duì)于不同數(shù)據(jù)擬合效果的差異性較大。文獻(xiàn)[11]利用Bootstrap重采樣得到多個(gè)風(fēng)電功率誤差訓(xùn)練樣本,并結(jié)合待預(yù)測(cè)時(shí)刻功率數(shù)據(jù)得到區(qū)間預(yù)測(cè)結(jié)果。文獻(xiàn)[12]建立基于徑向基神經(jīng)網(wǎng)絡(luò)的分位數(shù)回歸模型,實(shí)現(xiàn)了氣象信息和功率數(shù)據(jù)的非線性映射,得到了分位數(shù)形式的短期功率上下邊界值。以上文獻(xiàn)所提方法均為非參數(shù)型,即事先不對(duì)誤差概率分布進(jìn)行假設(shè),更有利于提高誤差概率分布的擬合精度,常用方法還有核密度估計(jì)[13]、相關(guān)向量機(jī)[14]等。

    物理模型一般結(jié)合地勢(shì)、天氣等空氣動(dòng)力學(xué)因素建立物理預(yù)測(cè)模型,通過數(shù)值天氣預(yù)報(bào)(numerical weather prediction,NWP)信息來計(jì)算風(fēng)電機(jī)組輪轂高度處的風(fēng)速變化區(qū)間,然后通過尋找風(fēng)速與功率的非線性關(guān)系得到功率概率預(yù)測(cè)區(qū)間。這類方法能夠快速地捕捉風(fēng)速的變化,因涉及氣象等信息,數(shù)據(jù)量十分龐大,所以計(jì)算速度慢、效率低[15-16]。

    綜上所述,眾多學(xué)者已經(jīng)在區(qū)間預(yù)測(cè)領(lǐng)域做了大量深入的研究,但所建立的預(yù)測(cè)模型大多只選用單一的統(tǒng)計(jì)方法或者物理方法,導(dǎo)致了所建立的預(yù)測(cè)模型無法全面反映歷史數(shù)據(jù)和NWP氣象信息對(duì)待預(yù)測(cè)時(shí)刻功率的影響。由此,本文提出了一種基于NWP風(fēng)速分類和蒙特卡洛法的短期風(fēng)電功率區(qū)間預(yù)測(cè)模型。首先,按照NWP風(fēng)速大小對(duì)歷史時(shí)段的點(diǎn)預(yù)測(cè)誤差進(jìn)行分類,并對(duì)不同風(fēng)況下的誤差通過經(jīng)驗(yàn)分布模型進(jìn)行概率分布擬合。其次,對(duì)待預(yù)測(cè)時(shí)刻的NWP風(fēng)速所對(duì)應(yīng)的累計(jì)經(jīng)驗(yàn)分布概率值進(jìn)行蒙特卡洛抽樣。最后,在給定的置信水平下求取各待預(yù)測(cè)時(shí)點(diǎn)的功率波動(dòng)區(qū)間。將統(tǒng)計(jì)方法得到的信息與NWP氣象所提供的物理信息綜合起來,經(jīng)過對(duì)比分析,驗(yàn)證了所提方法的可靠性有所提升。

    1 基于層次聚類法的NWP信息特征類別劃分

    層次聚類(hierarchical clustering)是數(shù)據(jù)特征提取的一種常用聚類算法,通過分析不同類別樣本間的差異,得到一棵具有分層結(jié)構(gòu)的嵌套聚類樹[17]。

    層次聚類算法可以分為自下向上的凝聚型和自上向下的分裂型,這2種方法沒有孰優(yōu)孰劣之分,只是在實(shí)際應(yīng)用時(shí)要根據(jù)數(shù)據(jù)特點(diǎn)來考慮分解順序。層次聚類算法的優(yōu)勢(shì)在于能夠直接得到一棵完整的聚類樹,無須重新計(jì)算各類別間距就可以增加或減少分類數(shù)目。

    本文采用層次聚類法對(duì)樣本數(shù)據(jù)進(jìn)行聚類,具體步驟如下。

    步驟1:以NWP信息中100 m層高風(fēng)速和風(fēng)向?yàn)樘卣鳂?gòu)造樣本特征矩陣Q。

    步驟2:計(jì)算各類初始樣本之間的馬氏距離DM,得到距離矩陣D,計(jì)算公式如下。

    式中:x和y為2個(gè)不同的數(shù)據(jù)類別;Σ為多維隨機(jī)變量的協(xié)方差矩陣,如果協(xié)方差矩陣是單位向量,即各維度獨(dú)立同分布,馬氏距離就變成了歐氏距離。

    步驟3:計(jì)算各類間距,將DM最小的2類凝聚為一個(gè)新的類別。

    步驟4:重復(fù)步驟1至步驟3,直至得到完整的聚類樹,即類別個(gè)數(shù)為1。

    2 風(fēng)電功率區(qū)間預(yù)測(cè)建模

    風(fēng)電功率區(qū)間預(yù)測(cè)建模主要分為3個(gè)階段:點(diǎn)預(yù)測(cè)建模、預(yù)測(cè)誤差概率密度分布建模和區(qū)間預(yù)測(cè)建模。

    2.1 風(fēng)電功率點(diǎn)預(yù)測(cè)

    極限學(xué)習(xí)機(jī)(extreme learning machine,ELM)屬于單隱含層前饋神經(jīng)網(wǎng)絡(luò)(SLFN)算法。同傳統(tǒng)的智能算法相比,該算法的特點(diǎn)表現(xiàn)為隱含層的節(jié)點(diǎn)參數(shù)均為隨機(jī)給定,整個(gè)學(xué)習(xí)過程只需求解輸出權(quán)值,是一種學(xué)習(xí)速度較快的智能算法[18],ELM的結(jié)構(gòu)示意圖如圖1所示,圖中o={oj}。

    單隱含層神經(jīng)網(wǎng)絡(luò)可以表示為:

    式中:g(?)為激活函數(shù);Wi=[ωi1,ωi2,???,ωiN]T為輸入權(quán)重;Xj為第j個(gè)輸入特征序列,總數(shù)為N;βi為輸出權(quán)重;bi為第i個(gè)隱含層單元的偏置;oj為第j個(gè)輸出序列;Wi°Xj表示W(wǎng)i和Xj的內(nèi)積。

    圖1 ELM模型結(jié)構(gòu)示意圖Fig.1 Schematic diagram of ELM model structure

    單隱含層神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的目標(biāo)是使得輸出序列oj盡可能接近目標(biāo)序列tj,即

    那么存在βi,Wi和bi使得:

    式中:L為隱含層神經(jīng)元數(shù)目。

    式(4)可以用矩陣表示為:

    式中:H為隱含層節(jié)點(diǎn)的輸出;β為輸出權(quán)重;T為期望輸出。

    式中:H+為隱含層輸出矩陣H的Moore-Penrose廣義逆??梢酝ㄟ^正交投影法或奇異值分解(SVD)等方法解析獲取。

    2.2 風(fēng)速-風(fēng)電功率預(yù)測(cè)誤差聯(lián)合概率密度分布

    傳統(tǒng)風(fēng)電功率區(qū)間預(yù)測(cè)一般只考慮預(yù)測(cè)誤差在不同功率水平下的分布情況,忽略了氣象因素對(duì)預(yù)測(cè)誤差的影響。結(jié)合不同風(fēng)況下風(fēng)電功率預(yù)測(cè)誤差的分布特點(diǎn),改善模型的預(yù)測(cè)性能,采用經(jīng)驗(yàn)分布估計(jì)方法建立各類別在不同NWP風(fēng)速條件下風(fēng)速-風(fēng)電功率預(yù)測(cè)誤差聯(lián)合概率密度分布模型。

    經(jīng)驗(yàn)分布函數(shù)是對(duì)樣本中生成點(diǎn)的累積分布函數(shù)的估計(jì)。根據(jù)Glivenko-Cantelli定理,它以概率1收斂到該基礎(chǔ)分布,同時(shí)也存在一些結(jié)果來量化經(jīng)驗(yàn)分布函數(shù)與潛在的累積分布函數(shù)的收斂速度。

    假設(shè)總體變量X存在一組容量為m的樣本觀測(cè)值x1,x2,…,xp…,xm,將其按照從小到大的順序重新排列后得到次序統(tǒng)計(jì)量x1m,x2m,…,xpm,…,xmm,對(duì)于任意實(shí)數(shù)x,其經(jīng)驗(yàn)分布表達(dá)式為:

    圖2為對(duì)NWP風(fēng)速進(jìn)行分類所得到的風(fēng)速-功率預(yù)測(cè)誤差聯(lián)合概率密度分布。聯(lián)合概率密度分布圖在待預(yù)測(cè)時(shí)刻N(yùn)WP風(fēng)速下的橫截面即為該風(fēng)速下誤差的概率分布,從而為下一步的區(qū)間預(yù)測(cè)提供理論依據(jù)。

    圖2 風(fēng)速-功率預(yù)測(cè)誤差聯(lián)合概率密度分布Fig.2 Joint probability density distribution of wind speed-power prediction error

    2.3 短期風(fēng)電功率區(qū)間預(yù)測(cè)

    2.3.1 蒙特卡洛法的原理

    蒙特卡洛法是一種對(duì)一系列數(shù)據(jù)進(jìn)行隨機(jī)抽樣的統(tǒng)計(jì)試驗(yàn)法。若要計(jì)算某一隨機(jī)事件發(fā)生的概率,可進(jìn)行大量試驗(yàn),通過計(jì)算其發(fā)生的頻率來估計(jì)該事件的概率分布[19]。對(duì)于蒙特卡洛法來說,最重要、最基本的試驗(yàn)是對(duì)一個(gè)概率分布在(0,1)上的分布進(jìn)行抽樣統(tǒng)計(jì),而通過誤差統(tǒng)計(jì)分析得到的累計(jì)概率密度分布恰好為一個(gè)(0,1)上的分布,從而印證了采用蒙特卡洛法的可行性。

    蒙特卡洛法作為廣泛使用的一種隨機(jī)抽樣方法,其優(yōu)勢(shì)在于靈活性高、普適性強(qiáng)。但是在實(shí)驗(yàn)中需要對(duì)樣本進(jìn)行重復(fù)采樣,因此對(duì)計(jì)算機(jī)的性能提出了更高的要求。

    2.3.2 基于蒙特卡洛法的短期風(fēng)電功率區(qū)間預(yù)測(cè)

    由于經(jīng)驗(yàn)分布擬合得到的是非連續(xù)的概率密度分布函數(shù),因此難以采用傳統(tǒng)的基于連續(xù)分布函數(shù)的分位數(shù)回歸方法,但是對(duì)于累計(jì)密度函數(shù)在(0,1)上的均勻分布,則可以采用蒙特卡洛法進(jìn)行采樣,之后根據(jù)給定的置信水平求取功率不確定波動(dòng)區(qū)間,具體步驟如下。

    1)根據(jù)歷史的確定性預(yù)測(cè)誤差建立基于NWP風(fēng)速信息的風(fēng)速-功率聯(lián)合概率密度分布模型。

    2)對(duì)待預(yù)測(cè)時(shí)刻功率進(jìn)行點(diǎn)預(yù)測(cè),根據(jù)待預(yù)測(cè)時(shí)刻的NWP風(fēng)速信息匹配該風(fēng)況下的誤差累計(jì)概率密度分布函數(shù)。

    3)采用蒙特卡洛法對(duì)累計(jì)概率密度進(jìn)行1 000次的抽樣,之后根據(jù)抽樣累計(jì)概率密度得到所對(duì)應(yīng)的誤差序列,最后按照采樣累計(jì)概率密度的大小對(duì)采樣誤差序列進(jìn)行重新排序。

    4)給定置信區(qū)間,例如90%,根據(jù)所得誤差序列分布得到第50個(gè)和第950個(gè)采樣誤差結(jié)果,從而結(jié)合點(diǎn)預(yù)測(cè)結(jié)果得到該時(shí)刻的功率預(yù)測(cè)區(qū)間。

    基于蒙特卡洛法的風(fēng)電功率短期區(qū)間預(yù)測(cè)流程如圖3所示。

    圖3 基于蒙特卡洛法的風(fēng)電功率短期區(qū)間預(yù)測(cè)流程Fig.3 Flow chart of short-term interval prediction of wind power based on Monte Carlo method

    2.4 置信區(qū)間的評(píng)價(jià)指標(biāo)

    本文選取區(qū)間覆蓋率、區(qū)間平均帶寬[20]和可靠性指數(shù)[21]3個(gè)指標(biāo)對(duì)短期風(fēng)電功率區(qū)間預(yù)測(cè)結(jié)果進(jìn)行分析評(píng)估。

    1)預(yù)測(cè)區(qū)間覆蓋率

    預(yù)測(cè)區(qū)間覆蓋率(PICP)指標(biāo)反映了實(shí)際功率落在預(yù)測(cè)波動(dòng)區(qū)間內(nèi)的概率,可以評(píng)估預(yù)測(cè)模型的可靠性,其表達(dá)式為:

    式中:RPICP為PICP值;W為待預(yù)測(cè)點(diǎn)的數(shù)目,本文取96;kwa為布爾量,kwa=1時(shí)說明在給定的置信度a下待測(cè)點(diǎn)w的實(shí)際功率值落入預(yù)測(cè)區(qū)間內(nèi),kwa=0時(shí)說明實(shí)際功率值落入預(yù)測(cè)區(qū)間外。

    在實(shí)際中,預(yù)測(cè)所得的區(qū)間覆蓋率應(yīng)盡可能地超過給定的置信度。若PICP小于置信度a,說明預(yù)測(cè)無效;反之,預(yù)測(cè)有效。PICP越大說明實(shí)際功率落入預(yù)測(cè)上下限之間的概率越大,預(yù)測(cè)效果越好。

    2)預(yù)測(cè)區(qū)間平均帶寬

    預(yù)測(cè)區(qū)間平均帶寬(PINAW)指標(biāo)可以評(píng)估預(yù)測(cè)模型的清晰度。用來反映預(yù)測(cè)上下限間寬度的平均值,可表示為:

    式中:RPINAW為PINAW值;Z為預(yù)測(cè)功率的變化區(qū)間,作為歸一化的基準(zhǔn)值;U(?)和L(?)分別為功率預(yù)測(cè)的上、下限。當(dāng)預(yù)測(cè)結(jié)果的PICP相同時(shí),較小的PINAW對(duì)應(yīng)更好的預(yù)測(cè)效果。

    3)可靠性指標(biāo)

    可靠性指標(biāo)ra是指區(qū)間覆蓋率與預(yù)設(shè)的置信水平之間的差值,如式(10)所示。若實(shí)際風(fēng)電功率曲線落于預(yù)測(cè)區(qū)間內(nèi),表示預(yù)測(cè)結(jié)果有效,可靠性高。

    通過可靠性指標(biāo)的正負(fù)來判斷模型的可靠水平,當(dāng)可靠性指標(biāo)ra大于零時(shí),說明模型產(chǎn)生有利偏差,可靠性高于給定置信水平;當(dāng)可靠性指標(biāo)ra小于零時(shí),說明模型產(chǎn)生有害偏差,可靠性低于給定置信水平。

    3 算例分析

    3.1 NWP特征信息劃分

    以中國(guó)吉林省某風(fēng)電場(chǎng)功率變化特點(diǎn)進(jìn)行聚類分析。將NWP中100 m層高風(fēng)速和風(fēng)向信息作為聚類特征參量,用來分析聚集類別的特征。將風(fēng)電場(chǎng)歷史的功率預(yù)測(cè)誤差作為聚類時(shí)的功率特征數(shù)據(jù),用來計(jì)算類別間的距離。聚類樹見附錄A圖A1,聚類后的各樣本特征見表A1。

    3.2 點(diǎn)預(yù)測(cè)結(jié)果

    神經(jīng)網(wǎng)絡(luò)輸入變量的選取對(duì)于預(yù)測(cè)精度的提高至關(guān)重要,計(jì)算NWP中各類別信息與誤差之間的相關(guān)系數(shù)。將關(guān)聯(lián)度最大的歷史NWP中100 m層高風(fēng)速和歷史實(shí)測(cè)功率作為ELM模型測(cè)試集的外部輸入;將待預(yù)測(cè)日NWP中100 m層高風(fēng)速作為測(cè)試集的輸入;將實(shí)際功率作為網(wǎng)絡(luò)期望輸出。模型的原始訓(xùn)練集數(shù)據(jù)范圍為吉林省某風(fēng)電場(chǎng)2017年和2018年各季度前2個(gè)月的數(shù)據(jù),測(cè)試集分別為各訓(xùn)練集范圍之后的一天。為了觀察較長(zhǎng)時(shí)間范圍內(nèi)的預(yù)測(cè)效果,對(duì)2017年和2018年各季度數(shù)據(jù)進(jìn)行了為期1個(gè)月的短期滾動(dòng)預(yù)測(cè),預(yù)測(cè)時(shí)間窗為24 h,即提前一天預(yù)測(cè)未來24 h的點(diǎn)。按照文獻(xiàn)[22]所提誤差公式對(duì)預(yù)測(cè)結(jié)果進(jìn)行評(píng)估,預(yù)測(cè)效果見附錄A表A2。對(duì)比分析表A2的預(yù)測(cè)結(jié)果可以看到,在較長(zhǎng)時(shí)間范圍內(nèi),ELM模型所得確定性預(yù)測(cè)結(jié)果相對(duì)穩(wěn)定。對(duì)于不同季節(jié)下各類的風(fēng)況,確定性預(yù)測(cè)準(zhǔn)確率均達(dá)到了85%,預(yù)測(cè)效果準(zhǔn)確可靠。應(yīng)用上述模型,得到2018年各個(gè)季度最后1個(gè)月的風(fēng)電功率預(yù)測(cè)值,為后續(xù)提供建模數(shù)據(jù)。

    3.3 點(diǎn)預(yù)測(cè)誤差概率密度估計(jì)

    以2017年春季2月份為例,對(duì)通過ELM模型預(yù)測(cè)得到的確定性誤差進(jìn)行概率密度統(tǒng)計(jì)分析。0~4 m層高風(fēng)速段誤差概率分布直方圖見附錄A圖A2。分別通過Gaussian分布、Logistic分布、t-Location分布和經(jīng)驗(yàn)分布對(duì)統(tǒng)計(jì)誤差進(jìn)行概率分布擬合。對(duì)比不同方法的擬合效果,可以發(fā)現(xiàn)該風(fēng)速段的誤差分布呈現(xiàn)明顯的非對(duì)稱性,因此適用于對(duì)稱分布的Gaussian分布、Logistic分布、t-Location分布的擬合效果要差一些。而經(jīng)驗(yàn)分布得到的是一條近似于各類誤差對(duì)應(yīng)概率的包絡(luò)線,其擬合效果最佳。

    為了更加準(zhǔn)確地比較不同分布模型的優(yōu)劣,采用文獻(xiàn)[23]中的擬合平均絕對(duì)誤差eMAE、均方根誤差eRMSE和相關(guān)系數(shù)R這3個(gè)指標(biāo)來定量地刻畫模型的擬合效果。結(jié)果見附錄A表A3。通過對(duì)表A3中各種分布方法擬合效果的對(duì)比分析可以發(fā)現(xiàn):經(jīng)驗(yàn)分布具有最小的縱向誤差(eMAE和eRMSE),說明該模型擬合誤差均值最小、分散程度最低;從橫向誤差(R)來看,經(jīng)驗(yàn)分布和實(shí)際分布之間的相關(guān)系數(shù)很大,達(dá)到了0.997 3。說明經(jīng)驗(yàn)分布對(duì)于0~4 m層高風(fēng)速段誤差的概率分布擬合效果最好。

    3.4 區(qū)間預(yù)測(cè)效果對(duì)比分析

    選擇中國(guó)吉林省整場(chǎng)裝機(jī)容量為400.5 MW的某風(fēng)電場(chǎng)數(shù)據(jù)進(jìn)行算例分析,2017年各個(gè)季度最后1個(gè)月的預(yù)測(cè)誤差數(shù)據(jù)用于誤差的概率密度統(tǒng)計(jì),2018年各個(gè)季度最后1個(gè)月的數(shù)據(jù)用于風(fēng)電功率短期區(qū)間預(yù)測(cè)。

    圖4為2018年春季最后1個(gè)月某2天的預(yù)測(cè)效果圖,圖中以每15 min為1個(gè)時(shí)段。附錄A圖A3為2018年夏、秋、冬季最后1個(gè)月某2天的預(yù)測(cè)效果圖。可以看出,在同一置信水平下,基于NWP風(fēng)速和蒙特卡洛法的區(qū)間預(yù)測(cè)模型,能夠緊密地跟隨風(fēng)電功率序列的變化趨勢(shì),并得到更窄的平均帶寬和更高的區(qū)間覆蓋率,能夠?yàn)闆Q策者提供更加精準(zhǔn)的預(yù)報(bào)信息。

    圖4 2018年春季某2天的預(yù)測(cè)效果Fig.4 Prediction effect of two days in spring,2018

    為了進(jìn)一步研究本文模型的性能,分別計(jì)算蒙特卡洛法、分位數(shù)回歸法、Bootstrap重采樣法和核密度估計(jì)法的預(yù)測(cè)評(píng)估指標(biāo),結(jié)果如表1和附錄A表A4所示。

    表1 風(fēng)速分段下各方法預(yù)測(cè)結(jié)果對(duì)比Table 1 C omparison of prediction results of different methods with wind speed segmentation

    由附錄A表A4可以看出,相比于只考慮歷史功率水平來對(duì)誤差進(jìn)行分類的分析方法,考慮NWP風(fēng)速信息來對(duì)誤差進(jìn)行分類的分析方法的預(yù)測(cè)效果更好,區(qū)間覆蓋率平均提高了1.93%,平均帶寬縮小了2.45%,說明考慮NWP風(fēng)速的物理動(dòng)態(tài)過程能夠有效地提高區(qū)間預(yù)測(cè)的預(yù)測(cè)精度。同時(shí),本文所提出的基于NWP風(fēng)速分類和蒙特卡洛法的短期區(qū)間預(yù)測(cè)方法效果最佳,在不同的置信水平下,均能得到大于預(yù)設(shè)置信水平的區(qū)間覆蓋率。通過和其他非參數(shù)方法相比,區(qū)間覆蓋率平均提高了1.62%,平均帶寬縮小了2.76%。

    為了進(jìn)一步對(duì)比分析不同預(yù)測(cè)方法的預(yù)測(cè)效果,通過可靠性指數(shù)對(duì)不同預(yù)測(cè)方法的可靠性進(jìn)行分析。由附錄A圖A4可以看出,僅考慮歷史功率水平來對(duì)誤差進(jìn)行分類分析的非參數(shù)方法進(jìn)行預(yù)測(cè)的方法預(yù)測(cè)效果普遍較差、可靠性水平較低,其中分位數(shù)回歸法和核密度估計(jì)法在各個(gè)置信水平下均產(chǎn)生有害偏差。而根據(jù)NWP風(fēng)速信息對(duì)誤差進(jìn)行分類分析并結(jié)合蒙特卡洛法的區(qū)間預(yù)測(cè)方法不僅在各個(gè)置信水平均產(chǎn)生有利偏差,還有較高的可靠性。

    風(fēng)電的保證出力對(duì)于機(jī)組發(fā)電計(jì)劃至關(guān)重要,其預(yù)報(bào)的準(zhǔn)確性直接影響電力系統(tǒng)運(yùn)行的安全性。因此,通過超下限比例這一指標(biāo)對(duì)不確定性預(yù)測(cè)的下限進(jìn)行定量評(píng)估。附錄A圖A5為不同方法超上限比例直方圖,對(duì)比分析可得,本文所提的考慮NWP風(fēng)速信息的蒙特卡洛區(qū)間預(yù)測(cè)方法能夠有效地預(yù)測(cè)風(fēng)電功率的保證出力,從而為電力系統(tǒng)的運(yùn)行調(diào)度提供更可靠的指導(dǎo)。圖A6為不同方法超下限比例直方圖,通過和圖A5對(duì)比可以看出:各置信度下,超下限比例的均值明顯低于超上限比例的均值,說明下限預(yù)測(cè)的可靠性更高。這樣更有利于實(shí)現(xiàn)電力系統(tǒng)的優(yōu)化調(diào)度。

    4 結(jié)語

    本文建立了一種基于歷史誤差數(shù)據(jù)和NWP風(fēng)速分類的誤差聯(lián)合概率密度經(jīng)驗(yàn)分布模型,并據(jù)此提出了基于NWP風(fēng)速和蒙特卡洛法的短期風(fēng)電功率區(qū)間預(yù)測(cè)方法,結(jié)論如下。

    1)與基于功率水平進(jìn)行誤差分析和建模的傳統(tǒng)方法相比,基于NWP的風(fēng)速信息對(duì)誤差進(jìn)行統(tǒng)計(jì)分析能夠更好地反映模型在不同風(fēng)況下的適應(yīng)性,并有效提高了區(qū)間預(yù)測(cè)的預(yù)測(cè)精度。

    2)相對(duì)于Gaussian分布、Logistic分布、t-Location分布,經(jīng)驗(yàn)分布對(duì)于預(yù)測(cè)誤差的分布具有更好的擬合效果。

    3)與分位數(shù)回歸法、核密度估計(jì)法等其他不確定性預(yù)測(cè)方法相比,蒙特卡洛法在不同置信度下均有較高的可靠性,區(qū)間覆蓋率平均提高了1.62%。

    本文在預(yù)測(cè)模型構(gòu)建時(shí)充分考慮了氣象因素和誤差的統(tǒng)計(jì)特性,但是地形地貌等環(huán)境因素也會(huì)通過改變風(fēng)況來間接地改變風(fēng)電的出力大小,這是本文沒有涉及的方面。后續(xù)研究工作中,風(fēng)電功率預(yù)測(cè)不確定性分析將聚焦于綜合考慮預(yù)測(cè)誤差的統(tǒng)計(jì)特性、物理天氣過程的動(dòng)態(tài)變化和地形地貌等環(huán)境特征。

    猜你喜歡
    概率密度蒙特卡洛電功率
    基于PCC-CNN-GRU的短期風(fēng)電功率預(yù)測(cè)
    輕松上手電功率
    你會(huì)計(jì)算電功率嗎
    連續(xù)型隨機(jī)變量函數(shù)的概率密度公式
    征服蒙特卡洛賽道
    解讀電功率
    利用控制變量方法縮減蒙特卡洛方差
    蒙特卡洛模擬法計(jì)算電動(dòng)汽車充電負(fù)荷
    基于蒙特卡洛的非線性約束條件下的優(yōu)化算法研究
    Hunt過程在Girsanov變換下的轉(zhuǎn)移概率密度的表示公式
    人人妻,人人澡人人爽秒播| 欧美激情久久久久久爽电影| 欧美日韩福利视频一区二区| 一夜夜www| 五月玫瑰六月丁香| 色在线成人网| 国产午夜精品论理片| 精品日产1卡2卡| 久久性视频一级片| 天天添夜夜摸| 久久婷婷人人爽人人干人人爱| 国产99白浆流出| 国产伦一二天堂av在线观看| 亚洲精品乱码久久久v下载方式 | 国产精品99久久久久久久久| 亚洲天堂国产精品一区在线| 国产成人aa在线观看| 制服丝袜大香蕉在线| 国产亚洲欧美在线一区二区| 一级a爱片免费观看的视频| 成人高潮视频无遮挡免费网站| 91麻豆av在线| 美女cb高潮喷水在线观看 | 一进一出抽搐动态| 91久久精品国产一区二区成人 | 国产高清videossex| 中文字幕精品亚洲无线码一区| 观看美女的网站| 香蕉av资源在线| 日韩欧美国产一区二区入口| 亚洲av五月六月丁香网| 丁香六月欧美| www国产在线视频色| 成人无遮挡网站| 琪琪午夜伦伦电影理论片6080| 国产精品久久久av美女十八| 999精品在线视频| 亚洲av片天天在线观看| 午夜激情福利司机影院| 亚洲av熟女| 在线免费观看的www视频| 男人舔女人的私密视频| 一级黄色大片毛片| 免费看光身美女| 啦啦啦观看免费观看视频高清| www.精华液| 亚洲欧美激情综合另类| 国产精品久久视频播放| 精品久久久久久久毛片微露脸| 国产精品av视频在线免费观看| 人人妻,人人澡人人爽秒播| 一个人看的www免费观看视频| 小蜜桃在线观看免费完整版高清| 老司机午夜福利在线观看视频| 最近在线观看免费完整版| 亚洲国产精品成人综合色| 午夜免费观看网址| 一二三四在线观看免费中文在| 成年免费大片在线观看| 高清毛片免费观看视频网站| 观看美女的网站| 90打野战视频偷拍视频| 国内揄拍国产精品人妻在线| 日本免费一区二区三区高清不卡| 国产毛片a区久久久久| 免费一级毛片在线播放高清视频| 久久热在线av| 啦啦啦观看免费观看视频高清| 最新在线观看一区二区三区| 精品欧美国产一区二区三| 91久久精品国产一区二区成人 | 久久国产精品影院| 国产亚洲精品一区二区www| 日韩大尺度精品在线看网址| 成人三级做爰电影| 别揉我奶头~嗯~啊~动态视频| 国产精品av久久久久免费| 精品久久久久久久毛片微露脸| av天堂在线播放| 国产1区2区3区精品| 国产成人欧美在线观看| 久99久视频精品免费| 一级作爱视频免费观看| 1024手机看黄色片| tocl精华| 一本一本综合久久| tocl精华| 国产欧美日韩一区二区精品| tocl精华| 国产淫片久久久久久久久 | 午夜精品一区二区三区免费看| 精品久久久久久久久久久久久| 午夜福利成人在线免费观看| 少妇的丰满在线观看| 老司机午夜福利在线观看视频| 少妇的丰满在线观看| 精品日产1卡2卡| 一卡2卡三卡四卡精品乱码亚洲| 欧美日韩亚洲国产一区二区在线观看| 性欧美人与动物交配| 久久久久性生活片| 亚洲成人久久爱视频| 亚洲成人久久爱视频| 成人av在线播放网站| 亚洲人与动物交配视频| 精品无人区乱码1区二区| 99热6这里只有精品| 成年免费大片在线观看| 精品久久蜜臀av无| 国产久久久一区二区三区| 在线播放国产精品三级| 久久午夜综合久久蜜桃| 九色国产91popny在线| 91老司机精品| 成人一区二区视频在线观看| av黄色大香蕉| 丰满人妻熟妇乱又伦精品不卡| 蜜桃久久精品国产亚洲av| av片东京热男人的天堂| 亚洲人成伊人成综合网2020| 真人一进一出gif抽搐免费| 嫁个100分男人电影在线观看| 69av精品久久久久久| 男女之事视频高清在线观看| 日韩欧美免费精品| 女生性感内裤真人,穿戴方法视频| 国产成年人精品一区二区| 久久这里只有精品中国| 亚洲国产精品999在线| 嫩草影视91久久| 欧美日韩黄片免| 久久精品91蜜桃| 在线观看免费视频日本深夜| 亚洲欧美精品综合一区二区三区| 欧美日韩瑟瑟在线播放| 国产午夜精品论理片| 在线国产一区二区在线| 天堂av国产一区二区熟女人妻| 丁香六月欧美| 看黄色毛片网站| 亚洲国产欧美网| 黑人操中国人逼视频| 亚洲国产欧美网| 国产免费男女视频| 国产免费男女视频| 欧美激情久久久久久爽电影| 又黄又爽又免费观看的视频| 成人国产综合亚洲| 欧美日韩黄片免| 精品国产亚洲在线| 亚洲国产高清在线一区二区三| 麻豆久久精品国产亚洲av| 伊人久久大香线蕉亚洲五| 国产野战对白在线观看| 欧美+亚洲+日韩+国产| 国产av在哪里看| 人人妻,人人澡人人爽秒播| 人人妻人人澡欧美一区二区| 少妇人妻一区二区三区视频| 一二三四社区在线视频社区8| 18禁美女被吸乳视频| 成在线人永久免费视频| 露出奶头的视频| 国产伦人伦偷精品视频| 我要搜黄色片| 欧美在线一区亚洲| 一边摸一边抽搐一进一小说| 精品一区二区三区视频在线 | 亚洲精品中文字幕一二三四区| av视频在线观看入口| 中亚洲国语对白在线视频| 又大又爽又粗| 国产人伦9x9x在线观看| 热99re8久久精品国产| av片东京热男人的天堂| 精品久久蜜臀av无| 国产精品 欧美亚洲| 欧美大码av| 国产av麻豆久久久久久久| 精品久久久久久久人妻蜜臀av| 99热精品在线国产| 欧美日本视频| 一本综合久久免费| 国语自产精品视频在线第100页| 国产99白浆流出| 男人舔女人的私密视频| 国产精品久久久av美女十八| 国产精品av视频在线免费观看| 日韩欧美三级三区| 一二三四社区在线视频社区8| 久久久国产精品麻豆| 一个人免费在线观看电影 | 黑人操中国人逼视频| 欧美绝顶高潮抽搐喷水| 黄色日韩在线| 999久久久国产精品视频| 亚洲乱码一区二区免费版| 亚洲美女视频黄频| 日本精品一区二区三区蜜桃| or卡值多少钱| 久久精品91无色码中文字幕| 麻豆成人午夜福利视频| 欧美黄色淫秽网站| 制服人妻中文乱码| 精品久久久久久久久久免费视频| 国产精品野战在线观看| 两性午夜刺激爽爽歪歪视频在线观看| 国产精品1区2区在线观看.| 1000部很黄的大片| 日韩欧美精品v在线| 91麻豆精品激情在线观看国产| 国产精品九九99| 国产黄色小视频在线观看| 香蕉国产在线看| 欧美丝袜亚洲另类 | 色视频www国产| 欧美中文综合在线视频| 欧美最黄视频在线播放免费| 国产精品乱码一区二三区的特点| 中文亚洲av片在线观看爽| 日韩免费av在线播放| 草草在线视频免费看| www.999成人在线观看| 国产精品精品国产色婷婷| 日韩高清综合在线| 欧美色欧美亚洲另类二区| 国产aⅴ精品一区二区三区波| 丁香六月欧美| 欧美日韩综合久久久久久 | 小蜜桃在线观看免费完整版高清| 国产精品国产高清国产av| 国产精品综合久久久久久久免费| 国产成人系列免费观看| 免费高清视频大片| 久久亚洲真实| av女优亚洲男人天堂 | 亚洲精品一区av在线观看| 18禁国产床啪视频网站| 亚洲狠狠婷婷综合久久图片| 欧美黑人巨大hd| 非洲黑人性xxxx精品又粗又长| 精品久久蜜臀av无| 国产激情偷乱视频一区二区| 黄色日韩在线| 成人国产一区最新在线观看| 在线观看一区二区三区| 国产一区二区三区在线臀色熟女| 99riav亚洲国产免费| 欧美丝袜亚洲另类 | 中文字幕最新亚洲高清| 一区二区三区国产精品乱码| 亚洲最大成人中文| 动漫黄色视频在线观看| 国产一区在线观看成人免费| 久久久水蜜桃国产精品网| 91在线精品国自产拍蜜月 | 亚洲国产精品成人综合色| 欧美乱妇无乱码| 亚洲欧美精品综合久久99| 韩国av一区二区三区四区| 欧美日本视频| 久久久久国产精品人妻aⅴ院| 日本黄大片高清| 男女下面进入的视频免费午夜| 久久久久久国产a免费观看| 最近最新免费中文字幕在线| xxxwww97欧美| 亚洲在线观看片| 757午夜福利合集在线观看| 国产高潮美女av| 一进一出好大好爽视频| 舔av片在线| 两个人视频免费观看高清| 亚洲av免费在线观看| 两个人视频免费观看高清| 无人区码免费观看不卡| 欧美中文综合在线视频| 黑人操中国人逼视频| 色哟哟哟哟哟哟| 婷婷六月久久综合丁香| 免费看美女性在线毛片视频| 国产美女午夜福利| 欧美国产日韩亚洲一区| 亚洲av成人一区二区三| 国产一区二区三区视频了| 最新中文字幕久久久久 | 欧美乱妇无乱码| 欧美中文综合在线视频| 免费一级毛片在线播放高清视频| 亚洲人成网站在线播放欧美日韩| 啦啦啦免费观看视频1| 久久中文字幕人妻熟女| 精品熟女少妇八av免费久了| 久久热在线av| 久久国产精品影院| 99re在线观看精品视频| 99在线人妻在线中文字幕| 最近最新中文字幕大全免费视频| 午夜激情欧美在线| 一级毛片女人18水好多| 亚洲午夜精品一区,二区,三区| 婷婷精品国产亚洲av在线| 国产私拍福利视频在线观看| 亚洲欧美一区二区三区黑人| xxxwww97欧美| 久久久久久久久中文| 国产午夜福利久久久久久| 国产高清激情床上av| av在线天堂中文字幕| 成年人黄色毛片网站| 成人18禁在线播放| 亚洲欧美日韩东京热| 人人妻人人澡欧美一区二区| 久久久水蜜桃国产精品网| 欧美激情在线99| 国产成人一区二区三区免费视频网站| 淫妇啪啪啪对白视频| 亚洲自偷自拍图片 自拍| 日韩精品青青久久久久久| 99在线人妻在线中文字幕| 99riav亚洲国产免费| 精品久久久久久成人av| 窝窝影院91人妻| 欧美日韩黄片免| 精品乱码久久久久久99久播| 在线观看美女被高潮喷水网站 | 精品久久蜜臀av无| 真人做人爱边吃奶动态| 国产高清视频在线播放一区| 午夜免费观看网址| 欧美成人一区二区免费高清观看 | 最好的美女福利视频网| 哪里可以看免费的av片| a在线观看视频网站| 99精品在免费线老司机午夜| 一区二区三区激情视频| 久久这里只有精品中国| 两个人视频免费观看高清| e午夜精品久久久久久久| 看黄色毛片网站| 亚洲专区中文字幕在线| 国产欧美日韩精品亚洲av| 青草久久国产| 精品久久久久久久久久免费视频| 亚洲人成网站在线播放欧美日韩| 精华霜和精华液先用哪个| 国产伦人伦偷精品视频| 成年免费大片在线观看| 亚洲成av人片在线播放无| 国产精品久久久久久亚洲av鲁大| 色综合站精品国产| 国产美女午夜福利| 中文字幕高清在线视频| 亚洲 国产 在线| 国产亚洲欧美在线一区二区| 美女 人体艺术 gogo| 91在线观看av| 精品久久久久久,| 少妇裸体淫交视频免费看高清| 夜夜夜夜夜久久久久| 一本综合久久免费| 久久国产乱子伦精品免费另类| 国产精品爽爽va在线观看网站| 真人一进一出gif抽搐免费| 国产精品一区二区免费欧美| 小说图片视频综合网站| 日韩欧美一区二区三区在线观看| 色精品久久人妻99蜜桃| 99久久成人亚洲精品观看| 亚洲人成网站在线播放欧美日韩| 色噜噜av男人的天堂激情| 亚洲七黄色美女视频| www国产在线视频色| 亚洲最大成人中文| 国产真人三级小视频在线观看| 91久久精品国产一区二区成人 | 99久久无色码亚洲精品果冻| 成熟少妇高潮喷水视频| 黑人操中国人逼视频| 又粗又爽又猛毛片免费看| 成人特级av手机在线观看| 欧美色视频一区免费| 婷婷丁香在线五月| 一本精品99久久精品77| 夜夜夜夜夜久久久久| 午夜免费激情av| 国产蜜桃级精品一区二区三区| 亚洲中文字幕日韩| 一区二区三区激情视频| 深夜精品福利| 亚洲黑人精品在线| 欧美一区二区精品小视频在线| 99精品欧美一区二区三区四区| 给我免费播放毛片高清在线观看| 制服人妻中文乱码| 成年女人看的毛片在线观看| 丰满的人妻完整版| 男人的好看免费观看在线视频| 国产探花在线观看一区二区| 国产高清视频在线播放一区| 亚洲精品粉嫩美女一区| 欧美日韩福利视频一区二区| 窝窝影院91人妻| 国产乱人视频| 天天添夜夜摸| 婷婷丁香在线五月| 黑人巨大精品欧美一区二区mp4| 91麻豆精品激情在线观看国产| 国产亚洲精品久久久com| 国产激情偷乱视频一区二区| 久久欧美精品欧美久久欧美| 国产精品女同一区二区软件 | 很黄的视频免费| 国产伦在线观看视频一区| 一区福利在线观看| 国产亚洲精品久久久com| 在线国产一区二区在线| 97人妻精品一区二区三区麻豆| 色精品久久人妻99蜜桃| 国产在线精品亚洲第一网站| ponron亚洲| 亚洲五月婷婷丁香| 欧美精品啪啪一区二区三区| 午夜a级毛片| 男人的好看免费观看在线视频| 国产激情欧美一区二区| av中文乱码字幕在线| 亚洲av熟女| 亚洲在线自拍视频| 91字幕亚洲| 亚洲七黄色美女视频| 日本三级黄在线观看| 日本黄大片高清| 少妇裸体淫交视频免费看高清| 国产久久久一区二区三区| 999精品在线视频| av在线天堂中文字幕| 女人被狂操c到高潮| 悠悠久久av| 男女之事视频高清在线观看| 天堂影院成人在线观看| 97碰自拍视频| 色播亚洲综合网| 国产精品野战在线观看| 亚洲国产看品久久| av女优亚洲男人天堂 | АⅤ资源中文在线天堂| 99久久综合精品五月天人人| 亚洲欧美激情综合另类| 国产成+人综合+亚洲专区| 美女高潮喷水抽搐中文字幕| 免费看日本二区| 一级黄色大片毛片| 国产精品爽爽va在线观看网站| 日本三级黄在线观看| av天堂在线播放| 亚洲五月婷婷丁香| 国产伦在线观看视频一区| 美女高潮喷水抽搐中文字幕| 首页视频小说图片口味搜索| 亚洲中文字幕日韩| 搡老妇女老女人老熟妇| 啦啦啦观看免费观看视频高清| 亚洲自拍偷在线| 嫩草影院入口| 亚洲 欧美一区二区三区| 18禁黄网站禁片免费观看直播| av女优亚洲男人天堂 | 午夜福利免费观看在线| 国产精品永久免费网站| 国产精品影院久久| 美女cb高潮喷水在线观看 | 久久中文字幕一级| 亚洲av成人精品一区久久| 97人妻精品一区二区三区麻豆| 别揉我奶头~嗯~啊~动态视频| 成年版毛片免费区| 国产成人福利小说| 日本黄色片子视频| 国产精品亚洲一级av第二区| 淫秽高清视频在线观看| 人妻久久中文字幕网| 色哟哟哟哟哟哟| 亚洲av熟女| 亚洲中文日韩欧美视频| 精品国产美女av久久久久小说| 夜夜爽天天搞| 国产久久久一区二区三区| 欧美+亚洲+日韩+国产| 成年女人永久免费观看视频| 国产97色在线日韩免费| 亚洲一区二区三区色噜噜| 亚洲七黄色美女视频| 99精品在免费线老司机午夜| 一区福利在线观看| 很黄的视频免费| 色哟哟哟哟哟哟| 一个人观看的视频www高清免费观看 | 好男人在线观看高清免费视频| 亚洲va日本ⅴa欧美va伊人久久| 亚洲狠狠婷婷综合久久图片| 可以在线观看毛片的网站| avwww免费| 免费在线观看亚洲国产| 午夜两性在线视频| 日日干狠狠操夜夜爽| 亚洲 欧美一区二区三区| 国产蜜桃级精品一区二区三区| 国产亚洲欧美98| 91字幕亚洲| 国产精华一区二区三区| 国内精品一区二区在线观看| 久久久精品欧美日韩精品| 日本一本二区三区精品| 18禁黄网站禁片免费观看直播| 国内精品久久久久久久电影| 夜夜看夜夜爽夜夜摸| 色播亚洲综合网| 欧美乱码精品一区二区三区| 深夜精品福利| 日本在线视频免费播放| 亚洲精品一区av在线观看| 两性夫妻黄色片| 午夜福利成人在线免费观看| 亚洲乱码一区二区免费版| 可以在线观看的亚洲视频| 大型黄色视频在线免费观看| 欧美日韩福利视频一区二区| 午夜福利高清视频| 1024手机看黄色片| 午夜福利高清视频| 在线观看日韩欧美| 精品电影一区二区在线| 免费搜索国产男女视频| 国产伦在线观看视频一区| 长腿黑丝高跟| 成人18禁在线播放| 亚洲精品在线观看二区| 黄片大片在线免费观看| 亚洲欧美精品综合一区二区三区| 免费大片18禁| 麻豆一二三区av精品| 亚洲av免费在线观看| 国产v大片淫在线免费观看| 一区二区三区高清视频在线| 在线观看午夜福利视频| 在线十欧美十亚洲十日本专区| 免费高清视频大片| 制服人妻中文乱码| 国产精品,欧美在线| 亚洲第一电影网av| 巨乳人妻的诱惑在线观看| 国产成人一区二区三区免费视频网站| 国产亚洲精品久久久久久毛片| 亚洲精品中文字幕一二三四区| netflix在线观看网站| 一二三四社区在线视频社区8| 婷婷丁香在线五月| 精品人妻1区二区| 国产美女午夜福利| 久久精品人妻少妇| 久久九九热精品免费| 国产精品一区二区三区四区免费观看 | 久久久久久久午夜电影| 怎么达到女性高潮| 精品国产美女av久久久久小说| 精品日产1卡2卡| 五月伊人婷婷丁香| 成年免费大片在线观看| 午夜福利在线在线| 非洲黑人性xxxx精品又粗又长| 午夜视频精品福利| 国产真实乱freesex| 色哟哟哟哟哟哟| 成年人黄色毛片网站| 黑人巨大精品欧美一区二区mp4| 国产精品久久视频播放| 国产精品1区2区在线观看.| cao死你这个sao货| 国产精品99久久久久久久久| 免费看美女性在线毛片视频| 午夜日韩欧美国产| 最近视频中文字幕2019在线8| 看黄色毛片网站| 久久久久久久午夜电影| 在线国产一区二区在线| 成人特级av手机在线观看| 成人一区二区视频在线观看| 九色成人免费人妻av| 看免费av毛片| 久久香蕉国产精品| 99国产精品99久久久久| 日韩三级视频一区二区三区| 精品国产乱子伦一区二区三区| 88av欧美| 免费在线观看日本一区| 久久天堂一区二区三区四区| 最新美女视频免费是黄的| 国产精品,欧美在线| av黄色大香蕉| 美女黄网站色视频| 国产 一区 欧美 日韩| 久久中文看片网| 久久热在线av| 天堂动漫精品| 成人欧美大片| 亚洲无线在线观看| 国产亚洲精品一区二区www| 日本a在线网址| 国产毛片a区久久久久| 久久久久国内视频| 国产精品亚洲一级av第二区| 毛片女人毛片| 黄色 视频免费看| 熟女人妻精品中文字幕|