• <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 ?

    基于最優(yōu)動(dòng)態(tài)功率補(bǔ)償?shù)碾娏ω?fù)荷預(yù)測方法

    2021-10-14 01:43:10謝家安劉驤王玉榮
    廣東電力 2021年9期
    關(guān)鍵詞:體感溫差分段

    謝家安,劉驤,王玉榮

    (1.廣東電網(wǎng)有限責(zé)任公司佛山供電局, 廣東 佛山 528000;2.東南大學(xué) 電氣工程學(xué)院,江蘇 南京 210018)

    電力系統(tǒng)負(fù)荷預(yù)測按照時(shí)效性可分為短期、中期和遠(yuǎn)期負(fù)荷預(yù)測3種類型:短期負(fù)荷預(yù)測是電網(wǎng)經(jīng)濟(jì)運(yùn)行、方式調(diào)整、潮流控制以及調(diào)峰調(diào)頻的主要參考依據(jù)之一,對提高調(diào)度運(yùn)行水平有重要支撐作用;中遠(yuǎn)期負(fù)荷預(yù)測在設(shè)備檢修計(jì)劃制訂、電網(wǎng)結(jié)構(gòu)合理性評估和優(yōu)化、電網(wǎng)遠(yuǎn)期規(guī)劃等方面發(fā)揮著重要作用。因此,提高電力系統(tǒng)短期和中遠(yuǎn)期負(fù)荷預(yù)測的精度對提高電網(wǎng)的安全、穩(wěn)定及經(jīng)濟(jì)運(yùn)行具有重要意義[1-6]。

    由于電力系統(tǒng)負(fù)荷的時(shí)序性和非線性特點(diǎn),傳統(tǒng)的基于統(tǒng)計(jì)模型的分析方法(如時(shí)間序列法[7]、線性回歸分析法[8]、指數(shù)平滑法[9]、卡爾曼濾波預(yù)測法[10]等),能實(shí)現(xiàn)對負(fù)荷曲線時(shí)序相關(guān)性特征的有效提取,但對負(fù)荷曲線的非線性擬合能力不足,導(dǎo)致其對非平穩(wěn)、隨機(jī)性和非線性強(qiáng)的負(fù)荷預(yù)測精度有限;近年來具有深度學(xué)習(xí)能力的人工智能方法在電力系統(tǒng)負(fù)荷預(yù)測中得到深入研究和應(yīng)用[11-18],主要有人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、專家系統(tǒng)等,這些算法通過多層非線性映射可實(shí)現(xiàn)對負(fù)荷曲線非線性的良好擬合,但缺少對數(shù)據(jù)時(shí)序性特征描述,需要人為添加時(shí)間特征作為預(yù)測模型的輸入量,有較大的隨機(jī)性,難以保證負(fù)荷預(yù)測結(jié)果的準(zhǔn)確性,且預(yù)測模型的泛化性有待提高。為解決人工智能學(xué)習(xí)方法的時(shí)序性和非線性兼顧問題,學(xué)者們提出了一種長短期記憶(long short-term memory,LSTM)網(wǎng)絡(luò),它是一種特殊的非線性循環(huán)神經(jīng)網(wǎng)絡(luò),通過其特殊記憶結(jié)構(gòu)和門結(jié)構(gòu)可充分學(xué)習(xí)時(shí)序信號的時(shí)序相關(guān)性特征;因此,以LSTM為基礎(chǔ)而拓展出來的深度人工智能預(yù)測方法被廣泛研究和應(yīng)用[19-26],取得了大量的研究成果,可在一定程度上提高負(fù)荷預(yù)測的精度。但由于此類方法基本思路是通過訓(xùn)練海量歷史負(fù)荷數(shù)據(jù)與負(fù)荷影響因素之間的耦合相關(guān)性特征,并將其按照時(shí)間序列組合成獨(dú)立的數(shù)據(jù)向量輸入LSTM模型中,實(shí)現(xiàn)負(fù)荷預(yù)測的目的,因此較長的時(shí)序信號輸入LSTM模型中的權(quán)重分配、信息丟失以及影響因素與負(fù)荷相關(guān)性考慮不全的問題,都可能嚴(yán)重影響負(fù)荷預(yù)測精度。

    針對電力系統(tǒng)負(fù)荷主要由全社會綜合經(jīng)濟(jì)狀況和氣象條件2個(gè)關(guān)鍵影響因素決定的特點(diǎn),為進(jìn)一步提高短期和中遠(yuǎn)期負(fù)荷預(yù)測的精度,本文提出一種基于最優(yōu)動(dòng)態(tài)功率補(bǔ)償?shù)呢?fù)荷預(yù)測方法。首先,按照時(shí)間順序?qū)⒇?fù)荷數(shù)據(jù)劃分為分段1和分段2,通過相似性矩陣計(jì)算,分別提取分段1和分段2最優(yōu)的訓(xùn)練體感溫差和目標(biāo)體感溫差曲線;其次,利用構(gòu)建的非線性映射能力強(qiáng)、收斂速度快、收斂性最優(yōu)且魯棒性好的徑向基(radial basis function,RBF)神經(jīng)網(wǎng)絡(luò),分別實(shí)現(xiàn)分段1和分段2最優(yōu)動(dòng)態(tài)補(bǔ)償功率的預(yù)測;在此基礎(chǔ)上,利用本文推導(dǎo)的基于最優(yōu)動(dòng)態(tài)功率補(bǔ)償?shù)呢?fù)荷預(yù)測通用公式進(jìn)行修正,以實(shí)現(xiàn)短期和中遠(yuǎn)期負(fù)荷的有效預(yù)測。最后,通過應(yīng)用實(shí)例分析,對本文方法的可行性、有效性、通用性和精確性進(jìn)行驗(yàn)證。

    1 基本理論介紹

    1.1 時(shí)間序列的相似度指標(biāo)

    假設(shè)n維向量X=(x1,x2,…,xi,…,xn)和Y=(y1,y2,…,yi,…,yn),則定義向量X、Y之間的相似度指標(biāo)

    (1)

    (2)

    (3)

    式(1)—(3)中:k1、k2分別為向量X、Y的峰值的極小值和極大值;C(X,Y)為向量X、Y的余弦相似度。

    相似度指標(biāo)ρ值在[-1,1]范圍內(nèi)變化:其值接近-1時(shí),表明2個(gè)n維向量接近于反向完全相似;其值接近1時(shí),表明2個(gè)n維向量接近于正向完全相似;其值接近0時(shí),表示2個(gè)n維向量接近于正交。相似度指標(biāo)ρ可綜合度量2個(gè)n維向量的余弦相似度和幅值差異化,有效拓展了其使用范圍。

    1.2 綜合體感溫度計(jì)算

    自然環(huán)境中人體實(shí)際感受到的真實(shí)溫度稱為體感溫度,主要由實(shí)際溫度、空氣相對濕度、風(fēng)速以及太陽輻射強(qiáng)度決定,體感溫度通用計(jì)算公式為[27]

    T=Ts+T1(u)+T2(v)+T3(o).

    (4)

    式中:T為體感溫度,單位為℃;Ts為實(shí)際溫度,單位為℃;T1(u)、T2(v)、T3(o)分別為空氣相對濕度u、風(fēng)速v、太陽輻射強(qiáng)度o對溫度的修正項(xiàng),單位均為℃。

    由于本文綜合考慮該地區(qū)平均體感溫度對負(fù)荷所產(chǎn)生的影響,而孤立的室外輻射強(qiáng)度修正項(xiàng)對用電負(fù)荷的影響幾乎可以忽略不計(jì);因此,本文中體感溫度計(jì)算時(shí)不考慮太陽輻射強(qiáng)度修正項(xiàng)的作用,即

    (5)

    (6)

    式(5)—(6)中:u為空氣相對濕度,單位為一;ui為臨界相對濕度,即靜風(fēng)和非太陽直射條件下,體感溫度等于測量溫度時(shí)的相對濕度,單位為一;v為風(fēng)速,單位為m/s。

    1.3 RBF神經(jīng)網(wǎng)絡(luò)模型

    RBF神經(jīng)網(wǎng)絡(luò)[28-29]是一種性能良好的三層前饋型神經(jīng)網(wǎng)絡(luò)模型,包括輸入層、隱含層和輸出層的多輸入單輸出系統(tǒng),其網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

    圖1 RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

    RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中:X=(x1,x2,…,xi,…,xN)T為輸入向量,N為輸入向量X的維數(shù);H=(h1,h2,…,hj,…,hM)T為網(wǎng)絡(luò)RBF向量,M為隱含層神經(jīng)元個(gè)數(shù);yM(k)為第k個(gè)輸出節(jié)點(diǎn)的輸出;wj為隱含層第j個(gè)節(jié)點(diǎn)與輸出層之間的輸出權(quán)重值;RBF函數(shù)為高斯函數(shù)。

    (7)

    式中:cj為隱含層第j個(gè)高斯函數(shù)的中心矢量;σj為隱含層第j個(gè)高斯函數(shù)的寬度。則RBF神經(jīng)網(wǎng)絡(luò)輸出

    (8)

    本文采用高斯牛頓法[28]對輸出權(quán)重值wj進(jìn)行訓(xùn)練,目標(biāo)是使得輸出總誤差E最小,

    (9)

    式中y(k)為輸入樣本X所對應(yīng)的期望輸出值。

    RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)簡單,訓(xùn)練速率快,泛化能力強(qiáng),能夠以任意精度逼近任意非線性函數(shù),實(shí)現(xiàn)對被預(yù)測對象的非線性和多變量特性的高精度非線性擬合,并且可有效避免局部最小值和最大值問題,被廣泛應(yīng)用于非線性受控對象的行為預(yù)測中。

    2 負(fù)荷預(yù)測方法分析

    2.1 理論分析

    假設(shè)待預(yù)測t時(shí)刻的負(fù)荷曲線P(t,T)可由兩部分組成,一部分為基準(zhǔn)體感溫度T0下的固定負(fù)荷P(t,T0),另一部分為基于體感溫度差(T-T0)的動(dòng)態(tài)補(bǔ)償功率ΔP(t,T-T0),即

    P(t,T)=P(t,T0)+ΔP(t,T-T0),

    (10)

    式(10)可改寫為

    P(t,T)=P(t0+t-t0,T0)+

    ΔP(t0+t-t0,T-T0),

    (11)

    式中t0為與基準(zhǔn)體感溫度T0對應(yīng)的基準(zhǔn)時(shí)間。

    在統(tǒng)計(jì)學(xué)上,時(shí)間差(t-t0)效應(yīng)通??梢杂萌鐣C合經(jīng)濟(jì)增長率來表示,而全社會的國民生產(chǎn)總值(gross domestic product,GDP)與用電量之間存在典型的線性關(guān)系[30-31],該線性關(guān)系通常用Pearson相關(guān)系數(shù)來表示,因此式(11)可進(jìn)一步表示為

    P(t,T)=r(1+R)(P(t0,T0)+

    ΔP(t0,T-T0)).

    (12)

    式中:r為全社會GDP與用電量的Pearson相關(guān)系數(shù);R為綜合經(jīng)濟(jì)增長率。

    由前述分析可知,對負(fù)荷曲線P(t,T)的預(yù)測將由全社會綜合經(jīng)濟(jì)增長率R、基準(zhǔn)負(fù)荷P(t0,T0)以及動(dòng)態(tài)補(bǔ)償功率ΔP(t0,T-T0)決定,而其中綜合經(jīng)濟(jì)增長率R、基準(zhǔn)負(fù)荷P(t0,T0)均為常數(shù),因此負(fù)荷曲線P(t,T)預(yù)測的關(guān)鍵是實(shí)現(xiàn)最優(yōu)動(dòng)態(tài)補(bǔ)償功率的ΔP(t0,T-T0)的高精度預(yù)測。

    2.2 最優(yōu)動(dòng)態(tài)補(bǔ)償功率的預(yù)測方法

    為了便于計(jì)算和展示,將第i組f維功率數(shù)列Pi={Pi1,Pi2,…,Pif}用向量Pi表示,將N組f維功率數(shù)列組成的樣本集用矩陣P表示,P=[P1P2…Pi…PN]。同理,將N組g維體感溫度數(shù)列Ti={Ti1,Ti2,…,Tig}組成的樣本集用矩陣T表示,T=[T1T2…Ti…TN],待預(yù)測日的體感溫度數(shù)列用向量Tx表示。

    基于動(dòng)態(tài)補(bǔ)償功率與體感溫差耦合效應(yīng)的時(shí)段差異化特性,為提高負(fù)荷預(yù)測的精度,首先將數(shù)據(jù)矩陣P、T中的數(shù)列、Tx數(shù)列按照時(shí)間順序進(jìn)行二分段處理,其中分段1為00:00至07:00的采樣數(shù)據(jù),分段2為07:00至24:00的采樣數(shù)據(jù)。

    以分段1最優(yōu)動(dòng)態(tài)補(bǔ)償功率預(yù)測為例進(jìn)行分析。假設(shè)提取分段1的負(fù)荷差、體感溫差數(shù)據(jù)矩陣分別為:

    (13)

    (14)

    式中:ΔPi=Pi+1-Pi,ΔTi=Ti+1-Ti,1≤i≤N-1。

    提取分段1的待預(yù)測日體感溫差數(shù)據(jù)矩陣

    (15)

    式中:ΔTxi=Tx-Ti,1≤i≤N。

    對(ΔT)T和ΔTx數(shù)據(jù)矩陣中的向量進(jìn)行相似度指標(biāo)計(jì)算,可得到相似度指標(biāo)矩陣

    (16)

    對相似度矩陣ρ的元素進(jìn)行極大值計(jì)算,則有

    ρhl=max{ρ1,1,ρ1,2,…,ρN-1,N}.

    (17)

    進(jìn)一步可提取出分段1的最優(yōu)體感溫差、待預(yù)測日體感溫差向量組:

    (18)

    式(17)、(18)中:1≤h≤N-1,1≤l≤N;ΔTh為最優(yōu)訓(xùn)練體感溫差向量;ΔTxl為最優(yōu)目標(biāo)體感溫差向量。

    可構(gòu)建包含最優(yōu)訓(xùn)練體感溫差向量及其對應(yīng)的最優(yōu)訓(xùn)練負(fù)荷差向量的樣本集組:

    (19)

    式中:ΔPh為最優(yōu)訓(xùn)練體感溫差向量;ΔTh為ΔPh對應(yīng)的最優(yōu)訓(xùn)練負(fù)荷差向量。

    對式(19)所示樣本集組中的各數(shù)據(jù)向量分別進(jìn)行轉(zhuǎn)置處理,結(jié)果為:

    (20)

    式中ΔPc為(N-1)×L1維數(shù)據(jù)矩陣,ΔTc為(N-1)×L2維數(shù)據(jù)矩陣,其中L1、L2分別為向量ΔPh和ΔTh的維數(shù)。

    然后,將矩陣ΔPc和ΔTc轉(zhuǎn)換為(N-1)L1維數(shù)列ΔPc和(N-1)L2維數(shù)列ΔTc;將向量ΔPh,T和ΔTh,T轉(zhuǎn)換為數(shù)列ΔPh和ΔTh。

    進(jìn)而利用db5小波分別對數(shù)列ΔPc、ΔTc、ΔTh進(jìn)行4層小波包分解,得到16個(gè)節(jié)點(diǎn)小波包系數(shù),然后按照節(jié)點(diǎn)先后順序分別對每個(gè)節(jié)點(diǎn)小波包系數(shù)進(jìn)行重構(gòu)并計(jì)算其總能量特征系數(shù),可得到16維的能量特征系數(shù)數(shù)列WΔPc、WΔTc、WΔTh,最終可構(gòu)建一個(gè)48維的能量特征系數(shù)輸入樣本集向量(WΔPc,WΔTc,WΔTh)和輸出樣本集ΔPh。

    基于此,構(gòu)建一個(gè)RBF神經(jīng)網(wǎng)絡(luò),以(WΔPc,WΔTc,WΔTh)作為輸入樣本集,ΔPh作為輸出樣本集,對該RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

    進(jìn)一步,可構(gòu)建包含最優(yōu)目標(biāo)體感溫差向量的樣本集組:

    (21)

    與前述方法一致,對式(21)所示矩陣中的向量分別進(jìn)行轉(zhuǎn)置處理,并轉(zhuǎn)換為對應(yīng)的數(shù)列ΔPc、ΔTc、ΔTxl后,可分別提取數(shù)列ΔPc、ΔTc、ΔTxl的16維能量特征系數(shù)數(shù)列WΔPc、WΔTc、WΔTxl,構(gòu)建一個(gè)48維的能量特征系數(shù)輸入樣本集向量(WΔPc,WΔTc,WΔTxl),輸入訓(xùn)練好的RBF神經(jīng)網(wǎng)絡(luò),可得到基于分段1的最優(yōu)動(dòng)態(tài)補(bǔ)償功率曲線ΔPxl,進(jìn)而可得到基于分段1最優(yōu)動(dòng)態(tài)功率補(bǔ)償?shù)呢?fù)荷預(yù)測結(jié)果

    P(t,Tx)=μ(P(tl,Tl)+ΔP(tl,Tx-Tl)).

    (22)

    式中:μ為修正系數(shù);tl為基準(zhǔn)體感溫度Tl對應(yīng)的基準(zhǔn)時(shí)間。

    當(dāng)式(22)應(yīng)用于短期電力負(fù)荷預(yù)測時(shí),修正系數(shù)μ=1。當(dāng)式(22)應(yīng)用于中遠(yuǎn)期電力負(fù)荷預(yù)測時(shí),

    μ=r(1+R1)(1+R2)…(1+Ri).

    (23)

    式中:r為該地區(qū)GDP與電力負(fù)荷之間的Pearson相關(guān)系數(shù);Ri為第i年相應(yīng)季度的同比經(jīng)濟(jì)增長率。

    分段2的負(fù)荷差、體感溫差及待預(yù)測日體感溫差數(shù)據(jù)矩陣提取及負(fù)荷預(yù)測過程,與分段1的數(shù)據(jù)矩陣提取及負(fù)荷預(yù)測過程一致,本文不予贅述。

    2.3 預(yù)測結(jié)果誤差分析

    為驗(yàn)證本文方法對短期、中遠(yuǎn)期負(fù)荷預(yù)測的精確性,選取3個(gè)誤差評價(jià)指標(biāo)對預(yù)測結(jié)果進(jìn)行定量評價(jià),分別為平均絕對誤差(mean absolute error,MAE)、平均相對誤差(mean relative error,MRE)和均方根誤差(root mean square error,RMSE),各誤差評價(jià)指標(biāo)定義為:

    (24)

    (25)

    (26)

    3 負(fù)荷預(yù)測步驟

    負(fù)荷預(yù)測步驟如下:

    a)從數(shù)據(jù)庫提取與待預(yù)測日相同月份、日期類別一致的負(fù)荷樣本集及對應(yīng)的溫度、濕度和風(fēng)速樣本集,并計(jì)算綜合氣象指標(biāo)體感溫度。

    b)對數(shù)據(jù)進(jìn)行二分段處理,分別提取分段1和分段2的負(fù)荷差、體感溫差樣本集以及待預(yù)測日體感溫差樣本集。

    c)對分段1的體感溫差樣本集與待預(yù)測日體感溫差樣本集進(jìn)行相似性矩陣計(jì)算,提取1組最優(yōu)的訓(xùn)練體感溫差曲線和目標(biāo)體感溫差曲線。

    d)構(gòu)建最優(yōu)訓(xùn)練樣本集對RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

    e)構(gòu)建最優(yōu)目標(biāo)樣本集并輸入訓(xùn)練好的RBF神經(jīng)網(wǎng)絡(luò),可實(shí)現(xiàn)分段1最優(yōu)動(dòng)態(tài)補(bǔ)償功率的預(yù)測。

    f)將分段1數(shù)據(jù)替換為分段2數(shù)據(jù),并重復(fù)步驟c)—e)過程,可實(shí)現(xiàn)分段2最優(yōu)動(dòng)態(tài)補(bǔ)償功率的預(yù)測。

    g)利用式(22)分別對分段1和分段2的負(fù)荷預(yù)測進(jìn)行修正,實(shí)現(xiàn)短期和中遠(yuǎn)期負(fù)荷預(yù)測。

    4 實(shí)例分析

    以調(diào)度數(shù)據(jù)平臺采集的某供電局2018年7月的工作日負(fù)荷曲線及對應(yīng)的體感溫度曲線作為基礎(chǔ)數(shù)據(jù)樣本,分別開展月份相同、日期類別一致的短期和中遠(yuǎn)期負(fù)荷預(yù)測。其中,日負(fù)荷曲線采樣點(diǎn)288個(gè),日體感溫度曲線采樣點(diǎn)96個(gè),RBF神經(jīng)網(wǎng)絡(luò)的核函數(shù)系數(shù)設(shè)置為10-3,懲罰因子為100。

    4.1 短期負(fù)荷預(yù)測

    基于2018年7月1日至19日區(qū)間內(nèi)連續(xù)14個(gè)工作日采樣數(shù)據(jù),對2018年7月20日的短期負(fù)荷曲線進(jìn)行預(yù)測。應(yīng)用本文方法提取的最優(yōu)體感溫差曲線及預(yù)測的最優(yōu)動(dòng)態(tài)補(bǔ)償功率曲線分別如圖2、3所示。

    圖2 最優(yōu)體感溫差曲線(短期負(fù)荷預(yù)測)

    為了對預(yù)測結(jié)果進(jìn)行分析比較,分別采用決策樹算法、CNN-LSTM算法以及本文算法進(jìn)行負(fù)荷預(yù)測,結(jié)果如圖4所示。采用本文預(yù)測方法時(shí),式(22)中修正系數(shù)μ=1。

    圖3 最優(yōu)動(dòng)態(tài)補(bǔ)償功率曲線(短期負(fù)荷預(yù)測)

    圖4 2018年7月20日負(fù)荷預(yù)測結(jié)果

    對3種算法的負(fù)荷預(yù)測結(jié)果進(jìn)行誤差指標(biāo)計(jì)算,結(jié)果見表1。

    表1 負(fù)荷預(yù)測誤差指標(biāo)(短期)

    從表1結(jié)果分析可知,采用本文算法、決策樹算法和CNN-LSTM算法對2018年7月20日短期負(fù)荷進(jìn)行預(yù)測,其中MRE分別為1.03%、4.83%和3.18%,可見本文方法相較于CNN-LSTM算法和決策樹算法的負(fù)荷預(yù)測精度有較大幅度提高,取得了較好的負(fù)荷預(yù)測結(jié)果。同時(shí)由于本文方法采取了分段預(yù)測的方法,能較好地克服傳統(tǒng)負(fù)荷預(yù)測方法中存在的低負(fù)荷時(shí)段預(yù)測精度較低的問題,有效提高了整體負(fù)荷曲線的預(yù)測精度。

    4.2 中期負(fù)荷預(yù)測

    基于2018年7月1日至31日區(qū)間內(nèi)連續(xù)22個(gè)工作日采樣數(shù)據(jù),對2019年7月18日進(jìn)行中期負(fù)荷預(yù)測。應(yīng)用本文方法提取的最優(yōu)體感溫差曲線組及預(yù)測的最優(yōu)動(dòng)態(tài)補(bǔ)償功率曲線分別如圖5、6所示。

    圖5 最優(yōu)體感溫差曲線(中期負(fù)荷預(yù)測)

    圖6 最優(yōu)動(dòng)態(tài)補(bǔ)償功率曲線(中期負(fù)荷預(yù)測)

    分別采用NARX算法、ARIMA-LSTM算法以及本文算法進(jìn)行負(fù)荷預(yù)測,預(yù)測結(jié)果如圖7所示。采用本文預(yù)測方法時(shí),式(22)中修正系數(shù)μ=r(1+R1),Pearson相關(guān)系數(shù)r=0.968,2019年7月同比經(jīng)濟(jì)增長率R1=7.1%。

    圖7 2019年7月18日負(fù)荷預(yù)測結(jié)果

    對3種算法的負(fù)荷預(yù)測結(jié)果進(jìn)行誤差指標(biāo)計(jì)算,結(jié)果見表2。

    表2 負(fù)荷預(yù)測誤差指標(biāo)(中期)

    從表2結(jié)果分析可知,采用本文算法、NARX算法和ARIMA-LSTM算法對2019年7月18日進(jìn)行中期負(fù)荷預(yù)測時(shí),MRE分別為1.02%、2.69%和2.16%,可見本文方法較NARX算法和ARIMA-LSTM算法的預(yù)測結(jié)果均有50%以上的精度提升,中期負(fù)荷預(yù)測精度較高。

    4.3 遠(yuǎn)期負(fù)荷預(yù)測

    基于2018年7月1日至31日區(qū)間內(nèi)連續(xù)22個(gè)工作日采樣數(shù)據(jù),對2020年7月23日進(jìn)行遠(yuǎn)期負(fù)荷預(yù)測。應(yīng)用本文方法提取的最優(yōu)體感溫差曲線組及預(yù)測的最優(yōu)動(dòng)態(tài)補(bǔ)償功率曲線分別如圖8、9所示。

    圖8 最優(yōu)體感溫差曲線(遠(yuǎn)期負(fù)荷預(yù)測)

    分別采用NARX算法、ARIMA-LSTM算法及本文算法進(jìn)行負(fù)荷預(yù)測,預(yù)測結(jié)果如圖10所示。采用本文預(yù)測方法時(shí),式(22)中修正系數(shù)μ=r(1+R1)(1+R2),Pearson相關(guān)系數(shù)r=0.968,2019年7月同比經(jīng)濟(jì)增長率R1=7.1%,2020年7月同比經(jīng)濟(jì)增長率R2=-3.2%。

    圖9 最優(yōu)動(dòng)態(tài)補(bǔ)償功率曲線(遠(yuǎn)期負(fù)荷預(yù)測)

    圖10 2020年7月23日負(fù)荷預(yù)測曲線

    對3種算法的負(fù)荷預(yù)測結(jié)果進(jìn)行誤差指標(biāo)計(jì)算,結(jié)果見表3。

    由表3結(jié)果分析可知,應(yīng)用本文算法、NARX算法和ARIMA-LSTM算法對2020年7月23日的負(fù)荷曲線進(jìn)行遠(yuǎn)期負(fù)荷預(yù)測時(shí),MRE分別為0.92%、4.04%和3.16%,其中NARX算法和ARIMA-LSTM算法的遠(yuǎn)期負(fù)荷預(yù)測精度較中期負(fù)荷預(yù)測精度均有較大幅度的下降,且預(yù)測誤差隨著預(yù)測時(shí)間跨度的增加而增大;本文方法在短期和中遠(yuǎn)期負(fù)荷預(yù)測時(shí)MRE保持在1%左右,短期和中遠(yuǎn)期負(fù)荷預(yù)測精度均能保持良好的穩(wěn)定性和較高的精確度。

    表3 負(fù)荷預(yù)測誤差指標(biāo)(遠(yuǎn)期)

    5 結(jié)束語

    本文提出了一種基于最優(yōu)動(dòng)態(tài)功率補(bǔ)償?shù)呢?fù)荷預(yù)測方法。首先按照時(shí)間順序?qū)⒇?fù)荷數(shù)據(jù)劃分為分段1和分段2,利用相似性矩陣計(jì)算,分別提取分段1和分段2最優(yōu)的訓(xùn)練體感溫差和目標(biāo)體感溫差曲線,利用構(gòu)建的RBF神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)分段1和分段2最優(yōu)動(dòng)態(tài)功率補(bǔ)償?shù)念A(yù)測,最后采用本文推導(dǎo)的基于最優(yōu)動(dòng)態(tài)功率補(bǔ)償?shù)呢?fù)荷預(yù)測通用公式進(jìn)行修正,分別實(shí)現(xiàn)了短期和中遠(yuǎn)期負(fù)荷的有效預(yù)測。多個(gè)實(shí)例分析結(jié)果表明,本文方法具有可行性、有效性和通用性,負(fù)荷預(yù)測精度較高且預(yù)測精度能保持良好的穩(wěn)定性,具有一定的實(shí)際應(yīng)用前景。

    猜你喜歡
    體感溫差分段
    手表與溫差
    體感交互技術(shù)在腦卒中康復(fù)中的應(yīng)用
    一類連續(xù)和不連續(xù)分段線性系統(tǒng)的周期解研究
    人體體感感知機(jī)械手設(shè)計(jì)與實(shí)現(xiàn)
    電子制作(2019年13期)2020-01-14 03:15:20
    北方冬季養(yǎng)豬當(dāng)心“四差”
    溫差“催甜”等
    低級熱溫差發(fā)電器的開發(fā)應(yīng)用研究
    電子制作(2018年23期)2018-12-26 01:01:20
    分段計(jì)算時(shí)間
    非觸控式的體感機(jī)械臂交互控制系統(tǒng)研究
    電子制作(2017年13期)2017-12-15 09:00:05
    3米2分段大力士“大”在哪兒?
    太空探索(2016年9期)2016-07-12 10:00:04
    国产亚洲精品久久久com| 亚洲成av人片在线播放无| 欧美日韩一级在线毛片| 国产一区二区亚洲精品在线观看| 亚洲国产欧美人成| 久久精品夜夜夜夜夜久久蜜豆| 久久久久久人人人人人| 91九色精品人成在线观看| 高潮久久久久久久久久久不卡| 亚洲av电影不卡..在线观看| 欧美色视频一区免费| 亚洲五月天丁香| 观看美女的网站| 五月玫瑰六月丁香| 黄色女人牲交| 国产午夜精品久久久久久一区二区三区 | 精品久久久久久成人av| 成年人黄色毛片网站| 啪啪无遮挡十八禁网站| 男女之事视频高清在线观看| 欧美日本亚洲视频在线播放| 九九热线精品视视频播放| 精品国产超薄肉色丝袜足j| 精品久久久久久久人妻蜜臀av| 身体一侧抽搐| 精品久久久久久久久久免费视频| 免费看日本二区| 欧美日韩福利视频一区二区| 美女cb高潮喷水在线观看| 最近最新免费中文字幕在线| 亚洲熟妇熟女久久| 五月伊人婷婷丁香| 亚洲国产精品999在线| 久久久久久人人人人人| 身体一侧抽搐| 熟女电影av网| 99久久九九国产精品国产免费| 老司机深夜福利视频在线观看| 久久久久久久久中文| 亚洲av成人精品一区久久| 一本精品99久久精品77| 国产 一区 欧美 日韩| 日本一本二区三区精品| 久久久精品大字幕| 国产激情偷乱视频一区二区| 亚洲av中文字字幕乱码综合| 午夜日韩欧美国产| a级一级毛片免费在线观看| 国内精品久久久久精免费| 天堂网av新在线| 中文在线观看免费www的网站| 久久久久精品国产欧美久久久| 亚洲第一电影网av| 狂野欧美激情性xxxx| 亚洲久久久久久中文字幕| 亚洲欧美精品综合久久99| 狂野欧美激情性xxxx| 少妇的丰满在线观看| 国产视频内射| 无人区码免费观看不卡| 久久九九热精品免费| 亚洲成av人片免费观看| 欧美成狂野欧美在线观看| 在线观看午夜福利视频| 日本 欧美在线| 亚洲黑人精品在线| 色精品久久人妻99蜜桃| 国产成人影院久久av| 一边摸一边抽搐一进一小说| 国产精品 国内视频| 男女视频在线观看网站免费| 久久久久久久精品吃奶| 母亲3免费完整高清在线观看| 亚洲精华国产精华精| 亚洲五月天丁香| 久久精品91无色码中文字幕| 亚洲黑人精品在线| 精品免费久久久久久久清纯| 午夜福利免费观看在线| 90打野战视频偷拍视频| 欧美性感艳星| 俄罗斯特黄特色一大片| 国产精品日韩av在线免费观看| 亚洲精品粉嫩美女一区| 国产av不卡久久| 亚洲精品国产精品久久久不卡| 国产av不卡久久| 午夜福利免费观看在线| 少妇裸体淫交视频免费看高清| 国产高清有码在线观看视频| 最近最新中文字幕大全免费视频| 一个人免费在线观看的高清视频| 亚洲国产欧洲综合997久久,| 波多野结衣高清作品| 哪里可以看免费的av片| 午夜福利欧美成人| 又粗又爽又猛毛片免费看| 身体一侧抽搐| 免费在线观看影片大全网站| 国产老妇女一区| 欧美日韩综合久久久久久 | 免费在线观看日本一区| 最新美女视频免费是黄的| 蜜桃亚洲精品一区二区三区| 亚洲久久久久久中文字幕| 中文在线观看免费www的网站| xxx96com| 天堂网av新在线| 真人做人爱边吃奶动态| 韩国av一区二区三区四区| 在线播放无遮挡| 欧美日韩瑟瑟在线播放| 欧美最新免费一区二区三区 | 亚洲av电影不卡..在线观看| 少妇的丰满在线观看| 亚洲av电影不卡..在线观看| 国产又黄又爽又无遮挡在线| 国产又黄又爽又无遮挡在线| 国产色婷婷99| 日韩欧美在线乱码| 欧美不卡视频在线免费观看| 小说图片视频综合网站| av在线蜜桃| 美女大奶头视频| 亚洲精品成人久久久久久| 香蕉av资源在线| 色吧在线观看| 久久久久久大精品| 欧美zozozo另类| 99精品久久久久人妻精品| 欧洲精品卡2卡3卡4卡5卡区| 午夜日韩欧美国产| 18+在线观看网站| 小说图片视频综合网站| 日韩欧美国产一区二区入口| 少妇丰满av| 免费av毛片视频| 亚洲熟妇中文字幕五十中出| 欧美日韩中文字幕国产精品一区二区三区| 一个人免费在线观看电影| a在线观看视频网站| 欧美日韩一级在线毛片| 夜夜夜夜夜久久久久| 日韩欧美在线二视频| 国产又黄又爽又无遮挡在线| 精品久久久久久久人妻蜜臀av| 韩国av一区二区三区四区| 精品福利观看| 亚洲 欧美 日韩 在线 免费| 最好的美女福利视频网| 欧美bdsm另类| 亚洲国产欧洲综合997久久,| 欧美性感艳星| 成人无遮挡网站| xxxwww97欧美| 国产综合懂色| 在线观看舔阴道视频| 亚洲欧美日韩东京热| 九九在线视频观看精品| 国内少妇人妻偷人精品xxx网站| 精品人妻偷拍中文字幕| 国产野战对白在线观看| 日韩 欧美 亚洲 中文字幕| 国产精品久久久人人做人人爽| 国产一区二区三区在线臀色熟女| 中亚洲国语对白在线视频| 黄色片一级片一级黄色片| 精品久久久久久成人av| 国产精品一区二区免费欧美| 国产成人a区在线观看| 天堂av国产一区二区熟女人妻| 国产精品国产高清国产av| 老汉色∧v一级毛片| 欧美av亚洲av综合av国产av| 国产高清视频在线观看网站| 国产精品三级大全| 国产精品久久久久久人妻精品电影| 国产麻豆成人av免费视频| 亚洲精品乱码久久久v下载方式 | 看片在线看免费视频| 午夜福利在线观看吧| 国产日本99.免费观看| 91麻豆av在线| 日本一本二区三区精品| 国产伦一二天堂av在线观看| 又紧又爽又黄一区二区| 午夜免费成人在线视频| 免费av毛片视频| 欧美日韩乱码在线| av女优亚洲男人天堂| 日本三级黄在线观看| 久久精品国产综合久久久| 国内少妇人妻偷人精品xxx网站| 国产精品香港三级国产av潘金莲| 十八禁网站免费在线| 夜夜爽天天搞| 两人在一起打扑克的视频| 制服人妻中文乱码| 欧美国产日韩亚洲一区| 波多野结衣高清作品| 美女黄网站色视频| 在线播放无遮挡| 日韩亚洲欧美综合| 国产精品一区二区三区四区久久| 国产日本99.免费观看| 桃色一区二区三区在线观看| 嫩草影院入口| 午夜亚洲福利在线播放| 欧美午夜高清在线| 午夜免费成人在线视频| 国产熟女xx| 国产欧美日韩一区二区精品| 99热只有精品国产| 日韩欧美 国产精品| 一本综合久久免费| 97超级碰碰碰精品色视频在线观看| 九九热线精品视视频播放| 国产精品影院久久| 国产真人三级小视频在线观看| 国产欧美日韩一区二区三| 国产黄a三级三级三级人| 亚洲狠狠婷婷综合久久图片| 岛国在线免费视频观看| 欧美成狂野欧美在线观看| 亚洲成a人片在线一区二区| 国产成人a区在线观看| 久久精品亚洲精品国产色婷小说| 国产精品98久久久久久宅男小说| 日本免费一区二区三区高清不卡| 国内揄拍国产精品人妻在线| 国产精品三级大全| 一本久久中文字幕| 国产精品久久久久久久久免 | 国产av一区在线观看免费| 欧美日韩国产亚洲二区| 亚洲av二区三区四区| 又粗又爽又猛毛片免费看| 国产蜜桃级精品一区二区三区| 亚洲av日韩精品久久久久久密| 亚洲五月天丁香| 国产成人aa在线观看| 黄色丝袜av网址大全| 亚洲va日本ⅴa欧美va伊人久久| 国产高清视频在线播放一区| 日本 av在线| 久久久国产精品麻豆| 亚洲精品影视一区二区三区av| 国内精品久久久久久久电影| 亚洲avbb在线观看| 99久久成人亚洲精品观看| 9191精品国产免费久久| 午夜福利在线观看免费完整高清在 | 久久精品国产自在天天线| 国产伦精品一区二区三区视频9 | 亚洲人成伊人成综合网2020| 欧美一级毛片孕妇| 欧美高清成人免费视频www| 12—13女人毛片做爰片一| 一级a爱片免费观看的视频| 国产一区二区在线av高清观看| 久久精品影院6| 母亲3免费完整高清在线观看| 久久久国产成人免费| 亚洲精品乱码久久久v下载方式 | 欧美+亚洲+日韩+国产| 亚洲成人免费电影在线观看| www日本在线高清视频| 欧美高清成人免费视频www| 一级毛片女人18水好多| 亚洲男人的天堂狠狠| 国产亚洲欧美98| 国产欧美日韩一区二区精品| 18禁裸乳无遮挡免费网站照片| 日本免费a在线| 丰满乱子伦码专区| 亚洲精品美女久久久久99蜜臀| 国产成人系列免费观看| 久久欧美精品欧美久久欧美| 不卡一级毛片| 在线观看免费视频日本深夜| 少妇高潮的动态图| 国产精品乱码一区二三区的特点| 色综合婷婷激情| 可以在线观看毛片的网站| 国产aⅴ精品一区二区三区波| 校园春色视频在线观看| 99久久精品国产亚洲精品| 成人性生交大片免费视频hd| 18禁裸乳无遮挡免费网站照片| 嫩草影院入口| 亚洲五月天丁香| 午夜福利在线观看吧| 听说在线观看完整版免费高清| 国产一区二区三区在线臀色熟女| 日本精品一区二区三区蜜桃| 久久精品国产自在天天线| 婷婷精品国产亚洲av在线| 午夜免费成人在线视频| av在线天堂中文字幕| 亚洲av电影不卡..在线观看| 少妇高潮的动态图| 亚洲片人在线观看| 久久天躁狠狠躁夜夜2o2o| 亚洲人成网站高清观看| 亚洲美女视频黄频| 熟女少妇亚洲综合色aaa.| 嫩草影视91久久| 国产欧美日韩一区二区精品| 欧美日韩综合久久久久久 | 极品教师在线免费播放| 国产欧美日韩精品一区二区| 国产成年人精品一区二区| 亚洲不卡免费看| 精品人妻1区二区| 麻豆国产av国片精品| 久久国产精品影院| 少妇裸体淫交视频免费看高清| 国产色婷婷99| 日本精品一区二区三区蜜桃| 欧美一级a爱片免费观看看| 国产免费av片在线观看野外av| 又爽又黄无遮挡网站| 国产精品久久久久久亚洲av鲁大| 一级黄片播放器| 12—13女人毛片做爰片一| 免费观看的影片在线观看| 日本熟妇午夜| 一夜夜www| 18+在线观看网站| 国产av不卡久久| 日本一本二区三区精品| 美女黄网站色视频| 亚洲在线自拍视频| 男女床上黄色一级片免费看| 两个人看的免费小视频| 亚洲,欧美精品.| 成人18禁在线播放| 久久99热这里只有精品18| 精品午夜福利视频在线观看一区| 成人三级黄色视频| 蜜桃亚洲精品一区二区三区| av天堂在线播放| 久99久视频精品免费| 日本黄色视频三级网站网址| 免费观看的影片在线观看| 亚洲人成网站在线播放欧美日韩| www.www免费av| 网址你懂的国产日韩在线| 99国产精品一区二区蜜桃av| 欧美不卡视频在线免费观看| 99久久无色码亚洲精品果冻| 成年版毛片免费区| 国模一区二区三区四区视频| 欧美日韩综合久久久久久 | 国产精品,欧美在线| 蜜桃久久精品国产亚洲av| 搡老岳熟女国产| 中出人妻视频一区二区| 国产真人三级小视频在线观看| 免费看日本二区| 男女午夜视频在线观看| 夜夜夜夜夜久久久久| 此物有八面人人有两片| 一级黄片播放器| 久久欧美精品欧美久久欧美| 首页视频小说图片口味搜索| 亚洲自拍偷在线| 国产视频内射| 日韩成人在线观看一区二区三区| 亚洲一区高清亚洲精品| 欧美av亚洲av综合av国产av| 99久久综合精品五月天人人| 色在线成人网| 国产v大片淫在线免费观看| 日韩欧美精品v在线| 两人在一起打扑克的视频| 国产av在哪里看| 一级黄片播放器| 国产av在哪里看| 国产亚洲欧美98| 国产真实伦视频高清在线观看 | 在线观看免费午夜福利视频| 亚洲精品在线观看二区| 最新在线观看一区二区三区| 亚洲真实伦在线观看| 很黄的视频免费| 亚洲精品亚洲一区二区| aaaaa片日本免费| 亚洲av成人不卡在线观看播放网| 日本撒尿小便嘘嘘汇集6| 波多野结衣高清无吗| 午夜激情福利司机影院| 免费看a级黄色片| 欧美色欧美亚洲另类二区| 婷婷精品国产亚洲av在线| 亚洲成a人片在线一区二区| 午夜福利18| 亚洲一区高清亚洲精品| 久久精品夜夜夜夜夜久久蜜豆| 一卡2卡三卡四卡精品乱码亚洲| 国产真人三级小视频在线观看| www国产在线视频色| 99久久久亚洲精品蜜臀av| 91在线精品国自产拍蜜月 | 狠狠狠狠99中文字幕| 看黄色毛片网站| 国产高清激情床上av| 国产麻豆成人av免费视频| 亚洲成人久久性| 欧美xxxx黑人xx丫x性爽| 欧美乱码精品一区二区三区| 波多野结衣高清作品| 在线播放国产精品三级| 国产精品乱码一区二三区的特点| 国产精品香港三级国产av潘金莲| 欧美3d第一页| 人人妻人人澡欧美一区二区| 免费观看的影片在线观看| 又黄又爽又免费观看的视频| 亚洲av电影在线进入| 精品人妻一区二区三区麻豆 | 亚洲精品在线观看二区| 精品午夜福利视频在线观看一区| 午夜免费观看网址| 国内精品久久久久精免费| 少妇的逼好多水| 99久久99久久久精品蜜桃| 日本免费a在线| 免费无遮挡裸体视频| 精品久久久久久久末码| 国产极品精品免费视频能看的| 久久久色成人| 亚洲真实伦在线观看| 婷婷丁香在线五月| 久久中文看片网| 高潮久久久久久久久久久不卡| 九色成人免费人妻av| netflix在线观看网站| 亚洲av一区综合| 国产乱人伦免费视频| 禁无遮挡网站| 大型黄色视频在线免费观看| 久久久国产成人精品二区| 午夜福利欧美成人| 两个人看的免费小视频| 淫秽高清视频在线观看| 免费大片18禁| 中文字幕人妻熟人妻熟丝袜美 | 观看免费一级毛片| 久久国产乱子伦精品免费另类| 久9热在线精品视频| 老汉色∧v一级毛片| 51国产日韩欧美| 午夜影院日韩av| 精品久久久久久成人av| 99热只有精品国产| 国产亚洲精品综合一区在线观看| 国产高清有码在线观看视频| 国产精品亚洲一级av第二区| 99精品久久久久人妻精品| 日韩欧美国产一区二区入口| 亚洲欧美精品综合久久99| 一进一出好大好爽视频| 日日夜夜操网爽| 亚洲国产欧美人成| 亚洲欧美日韩东京热| 最近最新免费中文字幕在线| 人妻夜夜爽99麻豆av| av片东京热男人的天堂| 99久久精品热视频| 脱女人内裤的视频| 欧美一区二区亚洲| 女同久久另类99精品国产91| 无人区码免费观看不卡| 色噜噜av男人的天堂激情| 国产高清三级在线| 90打野战视频偷拍视频| 亚洲国产精品合色在线| 男人的好看免费观看在线视频| 国产高清视频在线播放一区| 中出人妻视频一区二区| 亚洲精品色激情综合| 小蜜桃在线观看免费完整版高清| а√天堂www在线а√下载| 熟女电影av网| aaaaa片日本免费| 一本久久中文字幕| 久久久久久九九精品二区国产| aaaaa片日本免费| 精品国产三级普通话版| 成人欧美大片| 女人十人毛片免费观看3o分钟| 亚洲国产高清在线一区二区三| 美女 人体艺术 gogo| 欧美av亚洲av综合av国产av| 中文在线观看免费www的网站| 亚洲精品国产精品久久久不卡| 国产亚洲精品综合一区在线观看| 免费人成视频x8x8入口观看| 国内精品美女久久久久久| 亚洲欧美激情综合另类| 他把我摸到了高潮在线观看| 18+在线观看网站| 免费搜索国产男女视频| 国产爱豆传媒在线观看| 亚洲第一欧美日韩一区二区三区| 男女床上黄色一级片免费看| 又黄又粗又硬又大视频| 18禁裸乳无遮挡免费网站照片| 男人舔奶头视频| 国产成人啪精品午夜网站| 十八禁网站免费在线| 韩国av一区二区三区四区| 18美女黄网站色大片免费观看| 亚洲 国产 在线| 人妻久久中文字幕网| 亚洲精品色激情综合| 欧美日韩国产亚洲二区| 免费观看的影片在线观看| 国产三级在线视频| 国产色爽女视频免费观看| av在线天堂中文字幕| 女同久久另类99精品国产91| xxxwww97欧美| 他把我摸到了高潮在线观看| 91在线观看av| 欧美成人一区二区免费高清观看| 大型黄色视频在线免费观看| svipshipincom国产片| 床上黄色一级片| 国产精品国产高清国产av| 别揉我奶头~嗯~啊~动态视频| 欧美av亚洲av综合av国产av| 午夜精品一区二区三区免费看| 性色av乱码一区二区三区2| 国产午夜福利久久久久久| 成人鲁丝片一二三区免费| 99热只有精品国产| 内射极品少妇av片p| 亚洲av免费高清在线观看| 成人三级黄色视频| 免费在线观看日本一区| 丝袜美腿在线中文| 中文字幕av成人在线电影| 国产成人啪精品午夜网站| 丰满乱子伦码专区| 欧美日韩综合久久久久久 | 超碰av人人做人人爽久久 | 欧美激情在线99| 麻豆久久精品国产亚洲av| 国产成人欧美在线观看| 老汉色av国产亚洲站长工具| 亚洲欧美日韩东京热| 国产淫片久久久久久久久 | 国产成人福利小说| 网址你懂的国产日韩在线| 美女 人体艺术 gogo| 一进一出好大好爽视频| 亚洲一区二区三区不卡视频| tocl精华| av国产免费在线观看| 国产色婷婷99| 亚洲黑人精品在线| 亚洲av成人不卡在线观看播放网| 午夜久久久久精精品| 黄色视频,在线免费观看| 夜夜看夜夜爽夜夜摸| 免费看日本二区| 床上黄色一级片| 亚洲精品一卡2卡三卡4卡5卡| 日本撒尿小便嘘嘘汇集6| 欧美黄色片欧美黄色片| 欧美日韩瑟瑟在线播放| 欧美日韩一级在线毛片| 久久久成人免费电影| 亚洲成av人片在线播放无| a在线观看视频网站| 亚洲乱码一区二区免费版| 黑人欧美特级aaaaaa片| 女人十人毛片免费观看3o分钟| 91字幕亚洲| 欧美大码av| 偷拍熟女少妇极品色| 老汉色∧v一级毛片| 蜜桃久久精品国产亚洲av| 久久久精品欧美日韩精品| 国产99白浆流出| 99热这里只有精品一区| 嫩草影院精品99| 日本黄大片高清| 蜜桃久久精品国产亚洲av| 国产精品精品国产色婷婷| 三级国产精品欧美在线观看| 欧美日韩亚洲国产一区二区在线观看| 国产精品三级大全| 国产精品亚洲一级av第二区| 国产精品久久久久久久久免 | 啪啪无遮挡十八禁网站| 人人妻,人人澡人人爽秒播| 国产aⅴ精品一区二区三区波| 性色av乱码一区二区三区2| 国产爱豆传媒在线观看| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 亚洲av熟女| 日韩欧美国产一区二区入口| 国产在线精品亚洲第一网站| 色播亚洲综合网| 神马国产精品三级电影在线观看| 亚洲在线自拍视频| 欧美黑人巨大hd| 国产男靠女视频免费网站| 亚洲在线观看片| 免费人成视频x8x8入口观看| 男女午夜视频在线观看| 成人欧美大片|