• <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 ?

    PCA-CLUSTER和EMD-CNN相結合的光伏發(fā)電設備故障診斷方法

    2021-07-30 06:55:26裴劉生周雙全王海峰趙華鴻
    太陽能 2021年7期
    關鍵詞:組串發(fā)電設備輻照度

    裴劉生,周雙全,王海峰,趙華鴻

    (北京金鴻泰科技有限公司,北京 100081)

    0 引言

    隨著光伏發(fā)電并網規(guī)模的不斷增大,針對光伏發(fā)電設備故障診斷方法[1]進行研究變得尤為重要。光伏電站中光伏發(fā)電設備的類型眾多,包括逆變器、匯流箱、光伏組件等基本的電氣單元。由于光伏發(fā)電設備在運行過程中長期暴露在各種自然環(huán)境條件下,會造成設備的損壞,尤其是光伏組件會因遮擋、熱斑等情況導致其故障頻發(fā);而且光伏發(fā)電設備在運行過程中還存在老化、失配、性能衰減等問題。這些問題會嚴重影響光伏發(fā)電設備的使用壽命和光伏電站長期、安全、穩(wěn)定、高效地運行,設備一旦發(fā)生故障,勢必會增加維護成本并造成發(fā)電量的損失。因此,通過光伏發(fā)電設備的輸出特性研究光伏發(fā)電設備故障的診斷方法,并將診斷方法運用于設備的實際工作中,對于防止因設備故障造成的嚴重事故,降低電站的收益損失,實現(xiàn)光伏電站安全、穩(wěn)定、持續(xù)、高效地運行,具有極其重要的意義。

    各種光伏發(fā)電設備的輸出特性表現(xiàn)出典型的時間序列[2]特征。在太陽輻照度、環(huán)境溫度、遮擋等自然及人為因素影響下,光伏發(fā)電設備輸出特性的時間序列呈現(xiàn)出不同的變化趨勢;而且,光伏發(fā)電設備輸出特性的時間序列趨勢會與其匹配的光伏發(fā)電設備之間存在強相關性,比如,完全被陰影遮擋的光伏組件的輸出電流普遍低于未被遮擋的光伏組件的輸出電流;同時,失配會造成逆變器的輸出功率降低[3]。

    目前,傳統(tǒng)的基于時間序列的光伏發(fā)電設備故障診斷方法普遍存在以下3方面的問題:

    1)傳統(tǒng)的數(shù)學建模方法是通過建立輸入與輸出之間的數(shù)學關系,利用統(tǒng)計學和閾值來進行故障診斷,在復雜條件下很難完成對所研究系統(tǒng)的精確建模,具有很大的局限性;

    2)對于傳統(tǒng)的人工智能故障診斷方法,可能存在弱化時間序列之間的相關信息及時間序列隨時間變化的時序信息的情況,導致模型的診斷能力下降,引起誤診、漏診等現(xiàn)象;

    3)在技術方面,針對單個光伏發(fā)電設備的輸出特征提取方法,通常是采用快速傅立葉變換(FFT)和小波變換技術,而這2種技術一般用于處理平穩(wěn)的時間序列,難以挖掘光伏發(fā)電設備運行時的時間序列的深層次特征[4]。

    針對以上問題,本文提出一種主成分分析-聚類算法(PCA-CLUSTER)和經驗模態(tài)分解-卷積神經網絡(EMD-CNN)相結合的光伏發(fā)電設備故障診斷方法。為彌補傳統(tǒng)的人工智能故障診斷方法經常弱化光伏發(fā)電設備之間的相關信息從而導致存在誤診、漏診的缺陷,本方法對光伏發(fā)電設備輸出特性的時間序列進行主成分分析(PCA)[5],從冗余特征中提取主要成分,降低聚類輸入維數(shù),再利用K-Means算法對時間序列進行聚類分析,初步識別光伏發(fā)電設備的故障分類集合;在技術方面,針對非平穩(wěn)的時間序列的特性,利用經驗模態(tài)分解(EMD)提取故障分類集合中的時間序列的特征,繼而使用卷積神經網絡(CNN)作為分類器對時間序列特征進行訓練和分類,以最終判斷光伏發(fā)電設備具體的故障類型。

    1 本文所述方法的介紹

    1) PCA-CLUSTER。光伏發(fā)電設備輸出特性的時間序列趨勢特性是設備潛在故障的外在表現(xiàn),每1個時間序列可以理解為多個維度的集合,且對應1種故障分類。但是,時間序列具有維度高、時間長、噪音多等特點,大量時間序列數(shù)據(jù)會導致聚類算法的效率低下、干擾因素過多,使時間序列失去了聚類趨勢,也不易于進行聚類。因此,本文提出的PCA-CLUSTER方法的基本思路是:當研究的時間序列包含高維度、多噪音數(shù)據(jù)時,并且數(shù)據(jù)體現(xiàn)的信息存在交叉重疊情況時,應用PCA[6]來提取時間序列的關鍵特征維度,然后利用K-Means算法[7]對經過PCA后得到的時間序列進行聚類分析。以光伏發(fā)電設備輸出特性的時間序列為例,先通過PCA對時間序列進行特征降維,盡量在不損失原有模型質量的情況下,將包含相同信息的特征維度從時間序列中剔除,以減少時間序列的特征維數(shù);在此基礎上,再進行時間序列的聚類。

    2) EMD-CNN。光伏發(fā)電設備的輸出特性是在設備受到包含環(huán)境溫度、太陽輻照度、遮擋等外界環(huán)境的干擾信號及設備自身故障形成的干擾信號后生成的,因此,屬于典型的非線性、非平穩(wěn)時間序列。本文提出的EMD-CNN方法的基本思路是:通過采用EMD[8]和CNN[9]技術實現(xiàn)時間序列的特征提取、模型訓練和異常判斷;在對時間序列的原始數(shù)據(jù)進行預處理之后,首先利用EMD對預處理后的時間序列進行計算,提取時間序列的特征,并將其作為CNN模型訓練的輸入集;然后,由于CNN可以實現(xiàn)在一定數(shù)量的訓練集中尋找到最優(yōu)的分類效果,因此,采用CNN作為分類器對時間序列的特征進行訓練和分類;最后,在CNN模型的基礎上,針對待識別的時間序列進行異常判斷。

    2 采用本文所述方法時的具體步驟

    本文提出的PCA-CLUSTER和EMD-CNN相結合的光伏發(fā)電設備故障診斷方法的具體流程如圖1所示。

    圖1 本文所述光伏發(fā)電設備故障診斷方法的流程圖Fig. 1 Flowchart of PV power generation equipment fault diagnosis method described in this paper

    本文所述光伏發(fā)電設備故障診斷方法的具體步驟為:

    步驟1):定義n個光伏發(fā)電設備t個時刻的時間序列S,用于反映光伏發(fā)電設備的輸出特性,如式(1)所示。

    步驟2):定義光伏電站中t個時刻的太陽輻照度集合G,如式(2)所示。

    步驟3):以太陽輻照度集合為參考標準,對時間序列S進行歸一化處理,得到歸一化時間序列S′,如式(3)所示。

    步驟4):利用PCA對歸一化時間序列S′進行處理。首先,計算S′的相關數(shù)矩陣R;然后,求解t個特征值λ1,λ2,…,λt(其中λ1≥…≥λt≥0)和與其對應的標準正交特征向量e1,e2,…,et。求解主成分對總變差的累積貢獻率,即并取得適當?shù)膠值,其中1<z≤t。

    步驟5):基于步驟4)計算得到的主成分對總變差的累計貢獻率,從而確定S′的主要成分因素,然后利用PCA-CLUSTER對S′進行聚類,獲得k個聚類子集的集合C,如式(4)所示。

    步驟6):基于集合C,利用EMD依次對k個聚類子集分別進行特征提取,經過處理獲得不同故障情況下S′對應的特征數(shù)據(jù)集合,然后將S′按照一定的比例劃分為訓練樣本和測試數(shù)據(jù),為后續(xù)樣本訓練和模型驗證提供基礎數(shù)據(jù)。

    步驟7):利用Spark技術搭建基于CNN的并行化模型訓練應用架構,以實現(xiàn)對S′的快速和批量樣本訓練,并且通過不斷對大量光伏發(fā)電設備的時間序列樣本進行訓練,逐步優(yōu)化和提升故障診斷模型。

    步驟8):利用Spark技術搭建基于CNN的并行化分類計算應用架構,基于步驟7)的故障診斷模型,對光伏電站中大量光伏發(fā)電設備輸出特性的時間序列進行實時分類和計算,從而獲得時間序列的分類結果,判斷光伏發(fā)電設備的故障類型。

    3 實驗結果和實際應用效果

    3.1 實驗結果

    3.1.1 數(shù)據(jù)來源

    本次實驗數(shù)據(jù)來自于某100 MW光伏電站中環(huán)境監(jiān)測儀、逆變器、匯流箱、光伏組串等設備的2019年全年的數(shù)據(jù),包括輸出電流、輸出電壓、輸出功率、太陽輻照度等;數(shù)據(jù)具備典型的時間序列特征,采樣周期為1 min?,F(xiàn)僅以2019年10月12日某個匯流箱匯集的12路(1#~12#)光伏組串的輸出電流數(shù)據(jù)為例,闡述PCACLUSTER和EMD-CNN相結合的光伏發(fā)電設備故障診斷方法的實現(xiàn)過程。

    3.1.2 數(shù)據(jù)預處理

    由于光伏發(fā)電設備所處環(huán)境復雜,獲得的數(shù)據(jù)量龐大且干擾因素較多,因此光伏組串輸出電流的時間序列表現(xiàn)出不同的變化趨勢。例如,若采集設備出現(xiàn)通信故障時,光伏組串輸出電流的時間序列是恒值;若出現(xiàn)遮擋時,光伏組串輸出電流的時間序列數(shù)值明顯偏低等。10月12日某個匯流箱中1#~12#光伏組串的輸出電流數(shù)據(jù)情況如圖2所示。

    從圖2中可以看出,7#光伏組串的輸出電流曲線反映了采集設備存在通信故障,3#光伏組串的輸出電流曲線反映了該組串受到了遮擋。

    圖2 10月12日某匯流箱中1#~12#光伏組串的輸出電流數(shù)據(jù)Fig. 2 Output current data by 1#~12# PV strings in a combiner box on October 12

    當光伏組串的輸出電流受到太陽輻照度的影響后,其會隨著太陽輻照度的變化而產生波動,在環(huán)境溫度、大氣質量等其他條件保持不變的情況下,光伏組串的短路電流基本和太陽輻照度成正比。因此,為剔除太陽輻照度對光伏組串輸出電流的影響,將輸出電流歸一化處理為單位太陽輻照度下的光伏組串輸出電流。歸一化處理后的光伏組串輸出電流曲線如圖3所示。

    圖3 歸一化處理后的1#~12#光伏組串的輸出電流曲線Fig. 3 Output current curve of 1#~12# PV strings after normalization treatment

    3.1.3 降維和聚類

    首先,對歸一化處理后的1#~12#光伏組串輸出電流的時間序列進行PCA,利用PCA來優(yōu)化算法的輸入維數(shù),從而降低聚類分析時的復雜度,提高識別準確率。利用PCA進行特征降維,在確保累計貢獻率不低于99%的情況下,提取時間序列中的前3個主成分的數(shù)據(jù)作為聚類算法分析時的輸入數(shù)據(jù),其得到的貢獻率依次為62.11888%、34.531165%、2.509278%,此時的累計貢獻率達到了99.159323%;由于其他時間序列的貢獻率很小,因此將不作為聚類算法分析時的輸入數(shù)據(jù)。

    然后,利用K-Means算法對時間序列進行聚類,此時輸入維數(shù)大量減少,極大地提高了計算效率和準確率。K-Means算法將1#~12#光伏組串的輸出電流數(shù)據(jù)分成正常、恒值、偏低、偏低且下降、偏高5類。

    3.1.4 特征提取和深度學習

    針對聚類算法分析得到的5類結果,分別進行EMD-CNN析型,以提取故障特征、訓練CNN模型和識別故障類型。在通過聚類算法分析得到的5類結果的基礎上,對時間序列進行EMD,以提取時間序列特征。對不同分類結果進行EMD后的結果分別如圖4~圖8所示。

    1)輸出電流為正常類型時進行EMD后的結果如圖4所示。

    圖4 輸出電流為正常類型時進行EMD后的結果Fig. 4 Results of EMD when output current is normal type

    由圖4可見,原始信號(Signal)經過一小段時間的上升后,最終達到一個相對平穩(wěn)的狀態(tài);Signal中的各頻率分量(即IMF分量)大部分表現(xiàn)出相對平穩(wěn)的狀態(tài),但有部分IMF分量呈現(xiàn)出上升趨勢;殘余項分量(res.)呈現(xiàn)先升后降的趨勢。

    2)輸出電流為恒值類型時進行EMD后的結果如圖5所示。

    圖5 輸出電流為恒值類型時進行EMD后的結果Fig. 5 Result of EMD when output current is constant value type

    由圖5可見,Signal一開始時呈現(xiàn)逐漸下降的趨勢,但經過一段時間的穩(wěn)定運行后,又呈現(xiàn)逐漸上升的態(tài)勢;IMF分量大部分表現(xiàn)出平穩(wěn)的狀態(tài),只有IMF4分量出現(xiàn)較大幅度下降后又呈現(xiàn)平穩(wěn)狀態(tài);res.呈現(xiàn)先降后升的趨勢。

    3)輸出電流為偏低類型時進行EMD后的結果如圖6所示。

    圖6 輸出電流為偏低類型時進行EMD后的結果Fig. 6 Results of EMD when output current is low type

    由圖6可見,Signal經過一小段時間的上升后,最終達到一個相對平穩(wěn)的狀態(tài);IMF分量大部分表現(xiàn)出平穩(wěn)的狀態(tài),小部分IMF分量有上升趨勢;res.呈現(xiàn)下降趨勢。

    4)輸出電流為偏低且有下降類型時進行EMD后的結果如圖7所示。

    由圖7可見,Signal出現(xiàn)明顯的變化趨勢,IMF分量的波動性較大,res.呈現(xiàn)先升后降的趨勢。

    圖7 輸出電流為偏低且有下降類型時進行EMD后的結果Fig. 7 Result of EMD when output current is low and declining type

    5)輸出電流為偏高類型時進行EMD后的結果如圖8所示。

    圖8 輸出電流為偏高類型時進行EMD后的結果Fig. 8 Result of EMD when output current is high type

    由圖8可見,Signal出現(xiàn)大幅下降趨勢,IMF分量表現(xiàn)出或上升或下降的波動趨勢,res.呈現(xiàn)下降趨勢。

    基于以上EMD提取的時間序列特征,利用CNN算法和Spark技術進行樣本訓練和測試,并利用某100 MW光伏電站中的14400個光伏組串進行故障診斷驗證。

    驗證結果表明:僅采用PCA-CLUSTER方法時的故障診斷準確率為78%;僅采用EMDCNN方法時的故障診斷準確率為85%;而采用PCA-CLUSTER和EMD-CNN相結合方法時的故障診斷準確率可達到95%。由此可知,PCACLUSTER和EMD-CNN相結合的方法可使故障診斷的準確率顯著提高。不同故障診斷方法的準確率情況如表1所示。

    表1 不同故障診斷方法時的準確率情況Table 1 Accuracy of different fault diagnosis methods

    由此可見,PCA-CLUSTER和EMD-CNN相結合的故障診斷方法可以實現(xiàn)對光伏發(fā)電設備故障的精準診斷,且對光伏組串進行故障診斷時切實有效。

    3.2 實際應用效果

    本文提出的PCA-CLUSTER和EMD-CNN相結合的光伏發(fā)電設備故障診斷方法目前在光伏電站的使用規(guī)模已達到3 GW,取得了良好的應用效果,具有巨大的使用價值和廣闊的應用前景。

    4 結論

    本文提出了一種PCA-CLUSTER和EMDCNN相結合的光伏發(fā)電設備故障診斷方法,并以某100 MW光伏電站中的14400個光伏組串為例,采用該方法進行了故障診斷驗證。結果顯示,此方法的準確率可達95%,高于僅采用PCACLUSTER方法時78%的準確率和僅采用EMDCNN方法時85%的準確率。

    本文提出的光伏發(fā)電設備故障診斷方法在不損害光伏組串輸出電流時間序列特征的前提下,利用PCA方法剔除了光伏組串輸出電流的時間序列之間的冗余性和相關性,降低了高維度時包含的噪音影響,提高了PCA-CLUSTER方法的性能,從而取得良好的聚類效果;PCA和K-Means相結合的PCA-CLUSTER算法具有極大的創(chuàng)新性,且提升了聚類算法的準確率。將EMD方法提取的時間序列特征作為CNN的訓練樣本和測試數(shù)據(jù),利用Spark技術搭建基于CNN的并行化模型訓練和分類計算應用架構,極大地提升了樣本訓練的效率和故障類型識別的準確性。

    猜你喜歡
    組串發(fā)電設備輻照度
    一種標桿光伏組串選取方法及其在故障診斷中的應用
    太陽能(2024年8期)2024-12-31 00:00:00
    光伏組件隱裂特性的自動化檢測方法及其系統(tǒng)
    新能源科技(2022年5期)2022-12-18 20:53:51
    光伏組件隱裂特性的自動化檢測方法及其系統(tǒng)
    新能源科技(2022年4期)2022-12-13 09:46:09
    2022年一季度全國發(fā)電設備生產完成情況
    光伏組串東西向陰影遮擋整改方案的討論
    太陽能(2022年6期)2022-07-05 07:07:16
    水上光伏發(fā)電設備連接用直流漂浮電纜
    電線電纜(2017年6期)2018-01-03 07:27:05
    中國典型地區(qū)水平總輻射輻照度頻次特征*
    風能(2016年8期)2016-12-12 07:28:48
    大型風力發(fā)電設備潤滑概要
    太陽模擬器輻照度修正方法的研究
    電源技術(2015年7期)2015-08-22 08:48:32
    太陽光輻照度概率分布參數(shù)對電網可靠性的影響
    欧美xxxx黑人xx丫x性爽| 亚洲欧洲国产日韩| 伦理电影大哥的女人| 亚洲av成人精品一区久久| 精品无人区乱码1区二区| 六月丁香七月| 亚洲av熟女| 一个人免费在线观看电影| 日韩制服骚丝袜av| 国产午夜精品久久久久久一区二区三区| h日本视频在线播放| 女人久久www免费人成看片 | 国产午夜福利久久久久久| kizo精华| 日韩一区二区视频免费看| 乱系列少妇在线播放| 亚洲精品影视一区二区三区av| 七月丁香在线播放| 午夜福利网站1000一区二区三区| 国产精品不卡视频一区二区| 亚洲av电影不卡..在线观看| 亚洲va在线va天堂va国产| 久久久久久久久大av| 国产一级毛片七仙女欲春2| 嫩草影院精品99| 亚洲av日韩在线播放| 中文字幕久久专区| 久久久久性生活片| 超碰av人人做人人爽久久| 国产成人91sexporn| 日韩av在线免费看完整版不卡| 黄色配什么色好看| 国产高清三级在线| 国产中年淑女户外野战色| 激情 狠狠 欧美| 哪个播放器可以免费观看大片| 内射极品少妇av片p| 欧美成人免费av一区二区三区| av卡一久久| 久久精品影院6| 亚洲成人精品中文字幕电影| 熟女电影av网| 久久久久免费精品人妻一区二区| 精品久久久久久成人av| 熟女人妻精品中文字幕| 免费观看人在逋| 搡女人真爽免费视频火全软件| av.在线天堂| 精品久久久久久久人妻蜜臀av| 中文字幕精品亚洲无线码一区| 国产精品女同一区二区软件| 亚洲欧洲国产日韩| 成人毛片60女人毛片免费| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲美女搞黄在线观看| 国产人妻一区二区三区在| av在线播放精品| АⅤ资源中文在线天堂| 男女下面进入的视频免费午夜| av在线蜜桃| 国产精品不卡视频一区二区| 亚洲不卡免费看| 一本一本综合久久| 欧美性猛交黑人性爽| www日本黄色视频网| av在线蜜桃| 久久久久国产网址| 国产精品电影一区二区三区| 亚洲欧美精品综合久久99| 中国国产av一级| 日本-黄色视频高清免费观看| 久久久久免费精品人妻一区二区| 国产大屁股一区二区在线视频| 人妻系列 视频| 国产精品久久视频播放| 有码 亚洲区| 男人舔女人下体高潮全视频| 身体一侧抽搐| 日韩在线高清观看一区二区三区| 99热这里只有精品一区| 国产成人aa在线观看| 毛片一级片免费看久久久久| 九九热线精品视视频播放| 99久久中文字幕三级久久日本| av播播在线观看一区| 在线观看66精品国产| 亚洲人成网站在线观看播放| 高清毛片免费看| 国产精品熟女久久久久浪| 青春草亚洲视频在线观看| 免费av毛片视频| 亚洲乱码一区二区免费版| 色网站视频免费| 国产精品乱码一区二三区的特点| 秋霞伦理黄片| 国产 一区 欧美 日韩| 91精品国产九色| 欧美色视频一区免费| 色播亚洲综合网| 男女国产视频网站| 久久婷婷人人爽人人干人人爱| 中文天堂在线官网| 国产精品99久久久久久久久| 精品国内亚洲2022精品成人| av线在线观看网站| 蜜桃亚洲精品一区二区三区| 亚洲欧美中文字幕日韩二区| 插阴视频在线观看视频| 国产黄片视频在线免费观看| 丰满乱子伦码专区| 免费不卡的大黄色大毛片视频在线观看 | 中文欧美无线码| 亚洲欧美精品自产自拍| 日本熟妇午夜| 亚洲丝袜综合中文字幕| 午夜福利成人在线免费观看| 69av精品久久久久久| 久久99热这里只有精品18| 国产乱人视频| 午夜福利网站1000一区二区三区| 插逼视频在线观看| 中国美白少妇内射xxxbb| 十八禁国产超污无遮挡网站| 成年免费大片在线观看| 一本一本综合久久| av卡一久久| 成人午夜高清在线视频| 中国国产av一级| 狂野欧美激情性xxxx在线观看| 中文精品一卡2卡3卡4更新| 99热网站在线观看| 日韩中字成人| 国产精品福利在线免费观看| 成年女人看的毛片在线观看| 日韩,欧美,国产一区二区三区 | 久久精品久久久久久噜噜老黄 | 精品人妻熟女av久视频| 一本一本综合久久| 亚洲综合精品二区| 色播亚洲综合网| 日韩成人av中文字幕在线观看| av免费在线看不卡| 日韩中字成人| 国产精品福利在线免费观看| 久久精品人妻少妇| 1000部很黄的大片| 天堂中文最新版在线下载 | 国产精品福利在线免费观看| 又粗又爽又猛毛片免费看| 欧美日韩一区二区视频在线观看视频在线 | 国产综合懂色| 天堂影院成人在线观看| 亚洲精品乱码久久久v下载方式| 国产v大片淫在线免费观看| 成人鲁丝片一二三区免费| 成人国产麻豆网| 亚洲av免费在线观看| 色综合亚洲欧美另类图片| 自拍偷自拍亚洲精品老妇| 天天躁夜夜躁狠狠久久av| 成人毛片60女人毛片免费| 寂寞人妻少妇视频99o| 国产一级毛片七仙女欲春2| 美女高潮的动态| 99久国产av精品国产电影| av卡一久久| 69av精品久久久久久| 69av精品久久久久久| 丝袜美腿在线中文| 一二三四中文在线观看免费高清| 国产黄片视频在线免费观看| 久久6这里有精品| 国产黄色小视频在线观看| 淫秽高清视频在线观看| 精品午夜福利在线看| 七月丁香在线播放| 最近最新中文字幕免费大全7| 亚洲精品色激情综合| 亚州av有码| 亚洲18禁久久av| 亚洲av成人av| 七月丁香在线播放| 亚洲怡红院男人天堂| 国产一区二区三区av在线| 91av网一区二区| 亚洲伊人久久精品综合 | 欧美zozozo另类| 免费观看性生交大片5| 91精品伊人久久大香线蕉| videossex国产| 国产精品熟女久久久久浪| 久99久视频精品免费| 最近的中文字幕免费完整| 午夜激情欧美在线| 一级黄片播放器| 久久久久网色| 国产真实乱freesex| 精品人妻熟女av久视频| 国产视频内射| 久热久热在线精品观看| 内地一区二区视频在线| 十八禁国产超污无遮挡网站| 日韩视频在线欧美| 国产欧美日韩精品一区二区| a级一级毛片免费在线观看| 可以在线观看毛片的网站| 国产精华一区二区三区| 亚洲四区av| 亚洲成人久久爱视频| 欧美3d第一页| 九九爱精品视频在线观看| av线在线观看网站| 亚洲天堂国产精品一区在线| 亚洲图色成人| 国产高清三级在线| 精品久久久久久久人妻蜜臀av| av在线亚洲专区| 黄色日韩在线| 夜夜看夜夜爽夜夜摸| 成人毛片60女人毛片免费| 国产精品综合久久久久久久免费| 国产精品一区二区性色av| 欧美又色又爽又黄视频| 婷婷色综合大香蕉| 国产私拍福利视频在线观看| 久久人人爽人人爽人人片va| 综合色av麻豆| 噜噜噜噜噜久久久久久91| 免费观看人在逋| 亚洲高清免费不卡视频| 亚洲欧美日韩高清专用| 韩国高清视频一区二区三区| 高清毛片免费看| 亚洲三级黄色毛片| 久久久久久久久中文| 亚洲精华国产精华液的使用体验| 欧美人与善性xxx| 夫妻性生交免费视频一级片| av在线蜜桃| 久久热精品热| 少妇人妻一区二区三区视频| 少妇丰满av| 久久久久久久久大av| 高清av免费在线| 校园人妻丝袜中文字幕| 精品久久久久久久末码| 人妻少妇偷人精品九色| 如何舔出高潮| 最近最新中文字幕大全电影3| 99久久成人亚洲精品观看| 联通29元200g的流量卡| 欧美人与善性xxx| 国产精品久久久久久久电影| 婷婷色麻豆天堂久久 | 精品人妻熟女av久视频| 国产v大片淫在线免费观看| 日韩欧美国产在线观看| 免费人成在线观看视频色| 国产成人一区二区在线| 中文亚洲av片在线观看爽| 婷婷色麻豆天堂久久 | 久久精品久久久久久久性| 国产av一区在线观看免费| 日韩欧美在线乱码| 久久久久久久久久久免费av| 精品一区二区三区人妻视频| 国产精品国产三级专区第一集| 国产伦精品一区二区三区视频9| 97在线视频观看| 91精品伊人久久大香线蕉| 国产精品一区www在线观看| 久久精品久久久久久久性| 久久精品国产亚洲av天美| 99热精品在线国产| 成年版毛片免费区| 在线观看av片永久免费下载| 久久精品夜夜夜夜夜久久蜜豆| 亚州av有码| 偷拍熟女少妇极品色| 性色avwww在线观看| 欧美高清成人免费视频www| 午夜免费男女啪啪视频观看| 一个人看的www免费观看视频| 婷婷色麻豆天堂久久 | 成年免费大片在线观看| 日本一本二区三区精品| 久久久久国产网址| 1000部很黄的大片| 日本午夜av视频| 国产男人的电影天堂91| 搡老妇女老女人老熟妇| 国产淫片久久久久久久久| 欧美成人午夜免费资源| 波多野结衣巨乳人妻| 国产黄片美女视频| 波多野结衣高清无吗| 色吧在线观看| 成人午夜高清在线视频| 51国产日韩欧美| 观看免费一级毛片| 欧美激情国产日韩精品一区| 日本黄色视频三级网站网址| 国产一区二区三区av在线| 一边亲一边摸免费视频| 色播亚洲综合网| 麻豆精品久久久久久蜜桃| 国产av一区在线观看免费| 免费av观看视频| 国产精品一区二区性色av| 久久这里只有精品中国| 亚洲精品国产成人久久av| 性色avwww在线观看| 日本黄色片子视频| 国产色婷婷99| 欧美最新免费一区二区三区| 深夜a级毛片| a级毛片免费高清观看在线播放| 好男人视频免费观看在线| 99热全是精品| 男女那种视频在线观看| 亚洲av二区三区四区| 日韩欧美精品v在线| 国产精品日韩av在线免费观看| 18禁裸乳无遮挡免费网站照片| 干丝袜人妻中文字幕| 欧美一级a爱片免费观看看| 黄色日韩在线| 精华霜和精华液先用哪个| 乱人视频在线观看| 亚洲欧美日韩卡通动漫| 精品无人区乱码1区二区| 免费人成在线观看视频色| 全区人妻精品视频| 欧美bdsm另类| av在线天堂中文字幕| 久久久久网色| av黄色大香蕉| 久久久久久久久久久免费av| 日本午夜av视频| 久久综合国产亚洲精品| 在线免费十八禁| 天堂影院成人在线观看| 国内精品一区二区在线观看| 国产午夜精品久久久久久一区二区三区| 亚洲怡红院男人天堂| 免费观看性生交大片5| 狂野欧美白嫩少妇大欣赏| 国产一区有黄有色的免费视频 | 亚洲四区av| 别揉我奶头 嗯啊视频| 麻豆成人av视频| 久久欧美精品欧美久久欧美| 亚洲欧洲日产国产| 成人av在线播放网站| 国产色爽女视频免费观看| 免费无遮挡裸体视频| 亚洲国产精品sss在线观看| 亚洲av电影在线观看一区二区三区 | 少妇熟女欧美另类| 免费一级毛片在线播放高清视频| 国产精品久久久久久久电影| 69人妻影院| 国产精华一区二区三区| 亚洲精品一区蜜桃| 看十八女毛片水多多多| 国产不卡一卡二| 两个人视频免费观看高清| 韩国高清视频一区二区三区| 亚洲人成网站在线观看播放| 国产精品综合久久久久久久免费| 天堂√8在线中文| 亚洲欧美日韩高清专用| 久久人妻av系列| 99视频精品全部免费 在线| 亚洲av男天堂| 亚洲欧美清纯卡通| 国产又黄又爽又无遮挡在线| .国产精品久久| 久久久成人免费电影| 国模一区二区三区四区视频| 乱码一卡2卡4卡精品| 美女脱内裤让男人舔精品视频| 亚洲美女视频黄频| 日韩av在线大香蕉| 精品久久久久久成人av| 日本黄大片高清| 狠狠狠狠99中文字幕| a级一级毛片免费在线观看| 在线免费观看的www视频| 免费观看的影片在线观看| 日本一本二区三区精品| 天堂中文最新版在线下载 | 麻豆国产97在线/欧美| 亚洲欧美日韩高清专用| 国产免费又黄又爽又色| 日韩欧美 国产精品| 日本av手机在线免费观看| 看片在线看免费视频| 99久久中文字幕三级久久日本| 亚洲高清免费不卡视频| 国产91av在线免费观看| 波野结衣二区三区在线| 亚洲av.av天堂| 日本欧美国产在线视频| 久久久精品大字幕| 中文天堂在线官网| 久久久精品欧美日韩精品| 久久久国产成人精品二区| 内射极品少妇av片p| 欧美日韩精品成人综合77777| 日本av手机在线免费观看| 国产91av在线免费观看| 亚洲av二区三区四区| 色吧在线观看| 国产真实乱freesex| kizo精华| 91av网一区二区| 女人十人毛片免费观看3o分钟| 亚洲国产精品国产精品| 精品熟女少妇av免费看| 亚洲av福利一区| 日韩 亚洲 欧美在线| 尾随美女入室| 男人舔女人下体高潮全视频| 一个人观看的视频www高清免费观看| 精品人妻一区二区三区麻豆| 国产一级毛片七仙女欲春2| 一边亲一边摸免费视频| 久久精品夜色国产| 特级一级黄色大片| eeuss影院久久| 性插视频无遮挡在线免费观看| 十八禁国产超污无遮挡网站| 久久热精品热| 日韩成人av中文字幕在线观看| 精品99又大又爽又粗少妇毛片| 99视频精品全部免费 在线| 国产成人福利小说| 日本黄色片子视频| 大香蕉久久网| 国产高清视频在线观看网站| 久久人人爽人人片av| 九草在线视频观看| 日日撸夜夜添| 国产黄色视频一区二区在线观看 | 午夜a级毛片| 国产精华一区二区三区| 久久久久久久久中文| 黄片wwwwww| 一级毛片我不卡| 亚洲av中文字字幕乱码综合| 成人三级黄色视频| 欧美xxxx黑人xx丫x性爽| 亚洲人成网站高清观看| 婷婷色麻豆天堂久久 | 亚洲av中文字字幕乱码综合| 国产一区二区三区av在线| 日韩高清综合在线| 天堂av国产一区二区熟女人妻| 亚洲自拍偷在线| 午夜老司机福利剧场| 国产伦精品一区二区三区四那| 国产成人一区二区在线| www日本黄色视频网| 禁无遮挡网站| kizo精华| 国产精品久久久久久精品电影| 午夜激情欧美在线| 欧美激情久久久久久爽电影| 免费不卡的大黄色大毛片视频在线观看 | 日韩欧美精品v在线| 丰满少妇做爰视频| 天堂av国产一区二区熟女人妻| 欧美日韩精品成人综合77777| 亚洲av不卡在线观看| a级毛色黄片| 波野结衣二区三区在线| 久久精品综合一区二区三区| 午夜福利成人在线免费观看| 我的老师免费观看完整版| 校园人妻丝袜中文字幕| 国产精品麻豆人妻色哟哟久久 | 男女啪啪激烈高潮av片| 免费搜索国产男女视频| 国产欧美日韩精品一区二区| 3wmmmm亚洲av在线观看| 国产淫片久久久久久久久| 国内精品一区二区在线观看| 久久人人爽人人爽人人片va| 欧美成人免费av一区二区三区| 国产免费一级a男人的天堂| 日本av手机在线免费观看| 国产色婷婷99| 色噜噜av男人的天堂激情| 水蜜桃什么品种好| 亚洲色图av天堂| 色综合站精品国产| 亚洲精品乱码久久久v下载方式| 日韩av在线免费看完整版不卡| videossex国产| 色5月婷婷丁香| 国产精品人妻久久久影院| 欧美成人精品欧美一级黄| 欧美一区二区精品小视频在线| 一个人观看的视频www高清免费观看| 精品久久久久久久人妻蜜臀av| 精品一区二区免费观看| 麻豆av噜噜一区二区三区| 永久网站在线| 一二三四中文在线观看免费高清| 麻豆一二三区av精品| 亚洲综合色惰| 91精品国产九色| 国产乱人视频| 18禁裸乳无遮挡免费网站照片| 国产成人一区二区在线| 长腿黑丝高跟| 在线播放国产精品三级| 村上凉子中文字幕在线| 国产片特级美女逼逼视频| 欧美最新免费一区二区三区| 美女xxoo啪啪120秒动态图| 99久久精品一区二区三区| 九九热线精品视视频播放| 亚洲国产日韩欧美精品在线观看| 欧美一区二区亚洲| 精品酒店卫生间| 天天躁日日操中文字幕| 久久精品91蜜桃| 亚洲国产色片| 大话2 男鬼变身卡| 最近2019中文字幕mv第一页| 亚洲乱码一区二区免费版| 老司机影院成人| 国内精品美女久久久久久| 乱系列少妇在线播放| 熟女电影av网| 99久久中文字幕三级久久日本| 国产91av在线免费观看| 黄片无遮挡物在线观看| 男人和女人高潮做爰伦理| 国产精品乱码一区二三区的特点| 一级毛片久久久久久久久女| 久久久精品大字幕| 国产私拍福利视频在线观看| 婷婷色av中文字幕| 日日啪夜夜撸| 好男人在线观看高清免费视频| 波野结衣二区三区在线| 我要搜黄色片| 精品久久久久久久人妻蜜臀av| 中文精品一卡2卡3卡4更新| 亚洲人成网站在线播| 国产不卡一卡二| 三级毛片av免费| 精品人妻偷拍中文字幕| 丰满少妇做爰视频| .国产精品久久| 亚洲国产精品成人综合色| 黄色配什么色好看| 超碰av人人做人人爽久久| 亚洲精华国产精华液的使用体验| 亚洲国产欧洲综合997久久,| 国产精品永久免费网站| 菩萨蛮人人尽说江南好唐韦庄 | 热99re8久久精品国产| 国产成人精品久久久久久| 亚洲精品影视一区二区三区av| 天天一区二区日本电影三级| 舔av片在线| 看片在线看免费视频| 国产男人的电影天堂91| 夜夜爽夜夜爽视频| 亚洲伊人久久精品综合 | a级一级毛片免费在线观看| 亚洲欧洲日产国产| 日本一本二区三区精品| 亚洲精品色激情综合| 九九爱精品视频在线观看| 久久精品久久久久久噜噜老黄 | 国产精品综合久久久久久久免费| 一边摸一边抽搐一进一小说| 国语自产精品视频在线第100页| 校园人妻丝袜中文字幕| 欧美日韩国产亚洲二区| 最近视频中文字幕2019在线8| 亚洲av成人精品一区久久| 国产精品,欧美在线| 午夜福利成人在线免费观看| 少妇丰满av| 婷婷色av中文字幕| www日本黄色视频网| 国产视频内射| 少妇人妻一区二区三区视频| 秋霞在线观看毛片| 日产精品乱码卡一卡2卡三| 国产精品美女特级片免费视频播放器| 永久网站在线| 在线免费十八禁| 亚洲欧美精品自产自拍| 国产真实乱freesex| 午夜福利在线观看免费完整高清在| 大香蕉97超碰在线| 国产精品久久久久久久电影| 禁无遮挡网站| 男女国产视频网站| 亚洲人成网站在线观看播放| 青春草亚洲视频在线观看| 小蜜桃在线观看免费完整版高清| 欧美一区二区国产精品久久精品| 97超碰精品成人国产| 国产一区二区亚洲精品在线观看| 免费av观看视频| 日韩强制内射视频| 国产成人一区二区在线|