• <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
    亚洲精品自拍成人| h视频一区二区三区| 国产男女超爽视频在线观看| 最新在线观看一区二区三区| 无限看片的www在线观看| 久久人人97超碰香蕉20202| 亚洲精品美女久久久久99蜜臀| 日韩人妻精品一区2区三区| 老司机午夜福利在线观看视频 | 精品一品国产午夜福利视频| 亚洲精华国产精华精| 国产亚洲欧美精品永久| a级毛片黄视频| 波多野结衣av一区二区av| 久久国产精品大桥未久av| 日本一区二区免费在线视频| 人人妻人人添人人爽欧美一区卜| 老汉色∧v一级毛片| 一本一本久久a久久精品综合妖精| 一级片免费观看大全| 欧美成人免费av一区二区三区 | 亚洲精品成人av观看孕妇| h视频一区二区三区| 国产成人精品久久二区二区91| 久久久久视频综合| 下体分泌物呈黄色| 亚洲视频免费观看视频| 视频在线观看一区二区三区| 国产一区二区在线观看av| 99国产精品99久久久久| 亚洲 国产 在线| avwww免费| 黄色视频不卡| 免费观看av网站的网址| 亚洲第一av免费看| 90打野战视频偷拍视频| 十分钟在线观看高清视频www| 99精品久久久久人妻精品| 99久久精品国产亚洲精品| 成人三级做爰电影| √禁漫天堂资源中文www| 久久久精品94久久精品| 两个人看的免费小视频| 精品国产国语对白av| 天堂俺去俺来也www色官网| 午夜福利一区二区在线看| 国产亚洲精品久久久久5区| 超色免费av| 天天影视国产精品| 少妇被粗大的猛进出69影院| 热99久久久久精品小说推荐| 亚洲,欧美精品.| 考比视频在线观看| 亚洲精品粉嫩美女一区| 精品久久久久久久毛片微露脸| 欧美日韩亚洲综合一区二区三区_| 亚洲七黄色美女视频| 黄片大片在线免费观看| 黄色片一级片一级黄色片| 一级片'在线观看视频| 成人18禁高潮啪啪吃奶动态图| 亚洲午夜理论影院| av免费在线观看网站| 国产无遮挡羞羞视频在线观看| 精品人妻1区二区| 欧美变态另类bdsm刘玥| 亚洲国产成人一精品久久久| 妹子高潮喷水视频| 亚洲全国av大片| 欧美人与性动交α欧美软件| 久久ye,这里只有精品| 高清av免费在线| 人人妻人人添人人爽欧美一区卜| 亚洲专区字幕在线| 欧美大码av| 久久ye,这里只有精品| 女人精品久久久久毛片| 国产精品免费大片| 亚洲色图综合在线观看| 亚洲午夜理论影院| 久久国产精品影院| 丝瓜视频免费看黄片| 日韩 欧美 亚洲 中文字幕| a级片在线免费高清观看视频| 男女床上黄色一级片免费看| 免费高清在线观看日韩| 国产成人精品在线电影| 久久精品91无色码中文字幕| 欧美日韩视频精品一区| 精品高清国产在线一区| 搡老岳熟女国产| 亚洲av欧美aⅴ国产| av一本久久久久| 亚洲精品成人av观看孕妇| 精品乱码久久久久久99久播| 菩萨蛮人人尽说江南好唐韦庄| 久久精品亚洲精品国产色婷小说| 国产av一区二区精品久久| 亚洲黑人精品在线| 成人国语在线视频| 久久99热这里只频精品6学生| 国产精品久久久久成人av| 高清欧美精品videossex| 在线观看66精品国产| 亚洲精品在线观看二区| 热99久久久久精品小说推荐| 午夜福利免费观看在线| 中国美女看黄片| 老司机午夜十八禁免费视频| 黄色丝袜av网址大全| 真人做人爱边吃奶动态| 精品国产亚洲在线| 90打野战视频偷拍视频| 久久久精品94久久精品| 成人av一区二区三区在线看| 国产亚洲精品久久久久5区| 国产激情久久老熟女| 中文亚洲av片在线观看爽 | cao死你这个sao货| 国精品久久久久久国模美| 国产精品影院久久| 久久久久国内视频| 丰满少妇做爰视频| 久久中文看片网| 精品国产乱码久久久久久小说| 99九九在线精品视频| 国产日韩欧美在线精品| 国产精品成人在线| 少妇猛男粗大的猛烈进出视频| 精品亚洲成国产av| 久久精品成人免费网站| 午夜91福利影院| 国产精品久久久av美女十八| 麻豆国产av国片精品| 99九九在线精品视频| 午夜福利欧美成人| 亚洲人成电影免费在线| 欧美日韩精品网址| av有码第一页| 成人18禁在线播放| 每晚都被弄得嗷嗷叫到高潮| 欧美日韩中文字幕国产精品一区二区三区 | 亚洲欧美激情在线| 亚洲精品av麻豆狂野| a级毛片黄视频| 亚洲五月婷婷丁香| 日本wwww免费看| www.精华液| 亚洲av片天天在线观看| 在线观看www视频免费| 久久天堂一区二区三区四区| 大香蕉久久成人网| 黑人猛操日本美女一级片| 99久久99久久久精品蜜桃| 又紧又爽又黄一区二区| 国产成人系列免费观看| 99国产精品免费福利视频| 欧美在线一区亚洲| 菩萨蛮人人尽说江南好唐韦庄| 国产在线精品亚洲第一网站| 成人特级黄色片久久久久久久 | 别揉我奶头~嗯~啊~动态视频| 亚洲中文日韩欧美视频| 亚洲成人免费av在线播放| 国产伦人伦偷精品视频| 成人国语在线视频| 在线观看舔阴道视频| 人人妻,人人澡人人爽秒播| 视频区欧美日本亚洲| 亚洲黑人精品在线| 蜜桃国产av成人99| 十八禁网站网址无遮挡| 亚洲色图 男人天堂 中文字幕| www.熟女人妻精品国产| 五月天丁香电影| 久久精品国产a三级三级三级| 人妻一区二区av| 肉色欧美久久久久久久蜜桃| 欧美乱妇无乱码| 成年人黄色毛片网站| 精品欧美一区二区三区在线| 久久久久精品国产欧美久久久| 一本综合久久免费| 丰满饥渴人妻一区二区三| 免费在线观看影片大全网站| 999精品在线视频| 涩涩av久久男人的天堂| 人人妻人人爽人人添夜夜欢视频| 老司机影院毛片| 久久天躁狠狠躁夜夜2o2o| 国产成人一区二区三区免费视频网站| 亚洲成a人片在线一区二区| 成人三级做爰电影| 啦啦啦中文免费视频观看日本| 亚洲av成人一区二区三| 欧美精品亚洲一区二区| 中文字幕制服av| 国产精品久久久人人做人人爽| 俄罗斯特黄特色一大片| 久久精品亚洲av国产电影网| 人妻久久中文字幕网| 色播在线永久视频| 考比视频在线观看| 国产一区二区在线观看av| 岛国在线观看网站| 女人久久www免费人成看片| 18禁裸乳无遮挡动漫免费视频| 老司机亚洲免费影院| 91麻豆精品激情在线观看国产 | 999久久久国产精品视频| 少妇裸体淫交视频免费看高清 | 精品国产超薄肉色丝袜足j| videosex国产| 一级毛片电影观看| 97在线人人人人妻| 久久免费观看电影| 精品国产国语对白av| 国产淫语在线视频| 18禁黄网站禁片午夜丰满| 国产精品一区二区精品视频观看| 国产亚洲精品久久久久5区| 91老司机精品| 两个人免费观看高清视频| 精品国产一区二区久久| 成人特级黄色片久久久久久久 | 一级毛片女人18水好多| 亚洲全国av大片| 视频区欧美日本亚洲| 精品少妇黑人巨大在线播放| 久久久久国内视频| 高清av免费在线| av免费在线观看网站| 久热这里只有精品99| 99riav亚洲国产免费| 天天躁日日躁夜夜躁夜夜| 欧美黄色片欧美黄色片| 国产精品久久电影中文字幕 | 757午夜福利合集在线观看| 欧美黑人欧美精品刺激| 免费在线观看黄色视频的| 日韩免费高清中文字幕av| 精品乱码久久久久久99久播| 法律面前人人平等表现在哪些方面| 欧美+亚洲+日韩+国产| 亚洲av国产av综合av卡| 看免费av毛片| 老熟女久久久| 大型黄色视频在线免费观看| 久久国产精品影院| 欧美乱码精品一区二区三区| 亚洲少妇的诱惑av| 国产亚洲欧美在线一区二区| 99香蕉大伊视频| 最黄视频免费看| 在线观看免费高清a一片| 日韩制服丝袜自拍偷拍| 在线永久观看黄色视频| 午夜福利在线观看吧| 制服人妻中文乱码| 黄色成人免费大全| tube8黄色片| 亚洲性夜色夜夜综合| 成人国语在线视频| 在线观看舔阴道视频| 在线天堂中文资源库| 久久精品亚洲av国产电影网| 最新美女视频免费是黄的| 午夜视频精品福利| 国产在线视频一区二区| 老鸭窝网址在线观看| 最新在线观看一区二区三区| 美女国产高潮福利片在线看| 欧美黑人欧美精品刺激| 久久午夜综合久久蜜桃| 巨乳人妻的诱惑在线观看| 无人区码免费观看不卡 | 欧美日韩视频精品一区| 激情视频va一区二区三区| 69av精品久久久久久 | 麻豆av在线久日| 欧美人与性动交α欧美软件| 老司机影院毛片| 久久青草综合色| 热99久久久久精品小说推荐| 色尼玛亚洲综合影院| tube8黄色片| 日本wwww免费看| 亚洲国产欧美日韩在线播放| tocl精华| 蜜桃国产av成人99| 久久午夜亚洲精品久久| 热re99久久精品国产66热6| 高清黄色对白视频在线免费看| 男女高潮啪啪啪动态图| 一级a爱视频在线免费观看| 国产精品麻豆人妻色哟哟久久| 欧美精品一区二区大全| 久久影院123| 亚洲伊人色综图| 欧美人与性动交α欧美精品济南到| 777久久人妻少妇嫩草av网站| 久久中文字幕人妻熟女| 搡老熟女国产l中国老女人| 亚洲精品国产精品久久久不卡| 亚洲欧洲精品一区二区精品久久久| tube8黄色片| 老司机午夜十八禁免费视频| 人人妻,人人澡人人爽秒播| 69精品国产乱码久久久| 女人被躁到高潮嗷嗷叫费观| 午夜精品久久久久久毛片777| 日韩中文字幕欧美一区二区| 久久免费观看电影| 一级a爱视频在线免费观看| 久久精品国产亚洲av高清一级| 91九色精品人成在线观看| 成人免费观看视频高清| 午夜福利视频精品| 90打野战视频偷拍视频| 久久国产亚洲av麻豆专区| www.999成人在线观看| 91麻豆av在线| 黄色 视频免费看| 性色av乱码一区二区三区2| 交换朋友夫妻互换小说| 青青草视频在线视频观看| 日本黄色视频三级网站网址 | 亚洲中文av在线| av网站在线播放免费| 欧美av亚洲av综合av国产av| 精品久久蜜臀av无| 91成人精品电影| aaaaa片日本免费| 亚洲专区中文字幕在线| 三级毛片av免费| 老司机靠b影院| 成人手机av| 侵犯人妻中文字幕一二三四区| 啪啪无遮挡十八禁网站| 黄色成人免费大全| 99riav亚洲国产免费| 久久国产精品影院| 嫁个100分男人电影在线观看| 午夜激情av网站| 欧美精品一区二区大全| 黄色成人免费大全| 高清毛片免费观看视频网站 | 国产精品一区二区免费欧美| 天堂动漫精品| 久久 成人 亚洲| 亚洲精品国产精品久久久不卡| 精品少妇久久久久久888优播| 99精品欧美一区二区三区四区| 最近最新中文字幕大全电影3 | 老司机影院毛片| 精品少妇内射三级| 极品教师在线免费播放| 精品久久久精品久久久| 18禁美女被吸乳视频| 欧美 亚洲 国产 日韩一| 免费观看人在逋| 在线观看舔阴道视频| 大陆偷拍与自拍| 精品高清国产在线一区| 黄片小视频在线播放| 自拍欧美九色日韩亚洲蝌蚪91| 999精品在线视频| 国产淫语在线视频| av福利片在线| 亚洲精品一卡2卡三卡4卡5卡| 国产一区二区激情短视频| 国产成人欧美在线观看 | 免费女性裸体啪啪无遮挡网站| 午夜福利影视在线免费观看| 国产福利在线免费观看视频| 亚洲午夜精品一区,二区,三区| 天天操日日干夜夜撸| 亚洲色图av天堂| 久久免费观看电影| 天堂俺去俺来也www色官网| 国产黄频视频在线观看| 亚洲精品中文字幕在线视频| 在线观看免费午夜福利视频| 嫩草影视91久久| 日韩一卡2卡3卡4卡2021年| 国产男靠女视频免费网站| 国产97色在线日韩免费| 欧美在线黄色| √禁漫天堂资源中文www| 日韩欧美一区二区三区在线观看 | 啦啦啦视频在线资源免费观看| 国产欧美亚洲国产| 亚洲欧美一区二区三区久久| 亚洲av日韩在线播放| 9热在线视频观看99| 亚洲精华国产精华精| 在线观看免费视频日本深夜| 国产精品成人在线| 狠狠精品人妻久久久久久综合| 国产成人av教育| 免费看a级黄色片| 亚洲精品乱久久久久久| 日韩欧美一区视频在线观看| 国产精品一区二区免费欧美| av有码第一页| 夜夜骑夜夜射夜夜干| 91av网站免费观看| 午夜91福利影院| 国产三级黄色录像| 最近最新中文字幕大全电影3 | 后天国语完整版免费观看| 超碰成人久久| 亚洲熟妇熟女久久| 中文字幕最新亚洲高清| 人人妻,人人澡人人爽秒播| 免费观看人在逋| 精品国内亚洲2022精品成人 | 侵犯人妻中文字幕一二三四区| 叶爱在线成人免费视频播放| 亚洲欧美日韩高清在线视频 | 亚洲精品国产色婷婷电影| 国产日韩欧美亚洲二区| 香蕉国产在线看| 老司机深夜福利视频在线观看| 国产精品亚洲一级av第二区| 国产免费现黄频在线看| 2018国产大陆天天弄谢| 久久久久久久大尺度免费视频| 亚洲av欧美aⅴ国产| 国产精品秋霞免费鲁丝片| 麻豆成人av在线观看| 18禁美女被吸乳视频| 人人妻人人添人人爽欧美一区卜| 久久狼人影院| 最新在线观看一区二区三区| 纯流量卡能插随身wifi吗| 午夜福利在线观看吧| 亚洲av片天天在线观看| 午夜福利乱码中文字幕| 久久久久视频综合| 国产精品麻豆人妻色哟哟久久| 熟女少妇亚洲综合色aaa.| 国产91精品成人一区二区三区 | 成人亚洲精品一区在线观看| www日本在线高清视频| 免费看十八禁软件| 久久久久久久大尺度免费视频| e午夜精品久久久久久久| 丁香欧美五月| 久久影院123| 亚洲精品粉嫩美女一区| 两性午夜刺激爽爽歪歪视频在线观看 | 中文字幕最新亚洲高清| 亚洲av美国av| 国产免费视频播放在线视频| 男女免费视频国产| 亚洲熟女毛片儿| 免费在线观看黄色视频的| 色在线成人网| 亚洲欧洲精品一区二区精品久久久| 亚洲精品美女久久久久99蜜臀| 亚洲av片天天在线观看| 人成视频在线观看免费观看| 国产精品久久久久久精品古装| 久9热在线精品视频| 亚洲少妇的诱惑av| 国产精品欧美亚洲77777| 免费在线观看完整版高清| 午夜福利视频精品| 纵有疾风起免费观看全集完整版| 精品一区二区三区视频在线观看免费 | 18在线观看网站| 12—13女人毛片做爰片一| 性少妇av在线| 考比视频在线观看| 久久 成人 亚洲| 精品国产一区二区三区久久久樱花| 不卡av一区二区三区| 99riav亚洲国产免费| 大型黄色视频在线免费观看| 高清av免费在线| 亚洲久久久国产精品| 欧美乱码精品一区二区三区| 麻豆av在线久日| 老熟妇仑乱视频hdxx| 中文字幕色久视频| 国产一卡二卡三卡精品| 精品卡一卡二卡四卡免费| 亚洲av第一区精品v没综合| 国产日韩欧美视频二区| 菩萨蛮人人尽说江南好唐韦庄| 日韩精品免费视频一区二区三区| 免费在线观看日本一区| 少妇裸体淫交视频免费看高清 | 淫妇啪啪啪对白视频| 免费高清在线观看日韩| 在线观看66精品国产| 99热国产这里只有精品6| 免费黄频网站在线观看国产| 最新美女视频免费是黄的| 亚洲av电影在线进入| 水蜜桃什么品种好| 国产极品粉嫩免费观看在线| avwww免费| 亚洲 欧美一区二区三区| 51午夜福利影视在线观看| 亚洲中文字幕日韩| 两人在一起打扑克的视频| 国产高清激情床上av| 啦啦啦在线免费观看视频4| 狠狠狠狠99中文字幕| 另类精品久久| 中文字幕色久视频| 亚洲久久久国产精品| 亚洲情色 制服丝袜| www.999成人在线观看| 国产精品电影一区二区三区 | 一二三四社区在线视频社区8| 午夜免费鲁丝| 日本黄色日本黄色录像| 我的亚洲天堂| 精品少妇黑人巨大在线播放| 精品国产乱子伦一区二区三区| 精品人妻熟女毛片av久久网站| 国产成人av激情在线播放| 91精品三级在线观看| 亚洲欧美日韩高清在线视频 | 久久青草综合色| 久久久水蜜桃国产精品网| 黄色毛片三级朝国网站| 91成年电影在线观看| 国产免费视频播放在线视频| 人人妻人人澡人人爽人人夜夜| 黑人操中国人逼视频| 中文字幕人妻丝袜制服| 久久久久网色| 欧美精品人与动牲交sv欧美| 欧美精品亚洲一区二区| 汤姆久久久久久久影院中文字幕| 亚洲精品在线美女| 久9热在线精品视频| 91字幕亚洲| 最新在线观看一区二区三区| 天天躁狠狠躁夜夜躁狠狠躁| 午夜激情久久久久久久| 精品人妻在线不人妻| 最新美女视频免费是黄的| 十八禁网站网址无遮挡| 午夜免费鲁丝| 国产精品九九99| 午夜日韩欧美国产| av视频免费观看在线观看| 日韩大片免费观看网站| 亚洲欧美色中文字幕在线| 精品久久蜜臀av无| av视频免费观看在线观看| 免费av中文字幕在线| 欧美激情 高清一区二区三区| 操美女的视频在线观看| 黄色 视频免费看| 黄色片一级片一级黄色片| 91成人精品电影| 色综合欧美亚洲国产小说| 精品国产一区二区三区四区第35| 2018国产大陆天天弄谢| 久久毛片免费看一区二区三区| 国产在线精品亚洲第一网站| av有码第一页| 一本久久精品| 啪啪无遮挡十八禁网站| 亚洲中文字幕日韩| 99精品久久久久人妻精品| 极品少妇高潮喷水抽搐| 人妻久久中文字幕网| 国产91精品成人一区二区三区 | 亚洲第一青青草原| 日日爽夜夜爽网站| 欧美激情高清一区二区三区| 国产精品一区二区精品视频观看| 中文欧美无线码| 亚洲伊人色综图| av网站在线播放免费| 国产一卡二卡三卡精品| 亚洲色图综合在线观看| 极品教师在线免费播放| 精品福利观看| 男人操女人黄网站| 精品人妻1区二区| 国产精品免费大片| 美女高潮喷水抽搐中文字幕| 精品国产国语对白av| 欧美在线一区亚洲| 999久久久精品免费观看国产| 国产极品粉嫩免费观看在线| 在线观看人妻少妇| 午夜成年电影在线免费观看| 久热这里只有精品99| cao死你这个sao货| 一边摸一边做爽爽视频免费| 亚洲黑人精品在线| 国产精品99久久99久久久不卡| 高清毛片免费观看视频网站 | 大陆偷拍与自拍| 老司机深夜福利视频在线观看| 亚洲一区二区三区欧美精品| 老熟妇仑乱视频hdxx| 在线av久久热| 91麻豆精品激情在线观看国产 | 最近最新中文字幕大全免费视频| 亚洲av电影在线进入| 夜夜骑夜夜射夜夜干| 欧美精品一区二区大全| 热re99久久精品国产66热6| 久久久精品国产亚洲av高清涩受| 99re在线观看精品视频|