• <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
    午夜日韩欧美国产| 女性被躁到高潮视频| 国产精品亚洲av一区麻豆| 黄片小视频在线播放| 欧美日韩黄片免| 婷婷色综合www| 18在线观看网站| 国产精品.久久久| 亚洲视频免费观看视频| 午夜免费成人在线视频| 欧美成人午夜精品| 一本久久精品| 亚洲精品av麻豆狂野| 欧美大码av| 欧美大码av| 免费久久久久久久精品成人欧美视频| 欧美日韩亚洲国产一区二区在线观看 | 免费在线观看影片大全网站 | 亚洲久久久国产精品| 久久鲁丝午夜福利片| 成在线人永久免费视频| 香蕉国产在线看| 亚洲天堂av无毛| 亚洲av欧美aⅴ国产| 最新的欧美精品一区二区| 婷婷色综合大香蕉| 亚洲一码二码三码区别大吗| 午夜激情久久久久久久| 黄色毛片三级朝国网站| 亚洲熟女毛片儿| 男女无遮挡免费网站观看| 尾随美女入室| 香蕉丝袜av| 亚洲精品自拍成人| 国产麻豆69| 国产精品免费大片| 午夜福利视频精品| 亚洲精品一区蜜桃| 午夜福利,免费看| 国产亚洲欧美在线一区二区| 亚洲七黄色美女视频| 国产成人91sexporn| www.精华液| 一级毛片女人18水好多 | 最近中文字幕2019免费版| 久久99一区二区三区| 91国产中文字幕| 多毛熟女@视频| 爱豆传媒免费全集在线观看| 久久99热这里只频精品6学生| 亚洲 欧美一区二区三区| 女人爽到高潮嗷嗷叫在线视频| 国产片特级美女逼逼视频| 婷婷色av中文字幕| 又紧又爽又黄一区二区| 晚上一个人看的免费电影| 国产黄色视频一区二区在线观看| 丰满饥渴人妻一区二区三| 国产精品久久久久久精品古装| 亚洲少妇的诱惑av| 男女床上黄色一级片免费看| 久久国产精品大桥未久av| 日韩一本色道免费dvd| 国产女主播在线喷水免费视频网站| 肉色欧美久久久久久久蜜桃| 老鸭窝网址在线观看| 制服诱惑二区| 色视频在线一区二区三区| 婷婷色综合www| 国产日韩欧美视频二区| 国产无遮挡羞羞视频在线观看| 亚洲精品一区蜜桃| 午夜福利,免费看| 在线观看免费日韩欧美大片| 婷婷丁香在线五月| 99久久综合免费| 五月天丁香电影| 天天躁狠狠躁夜夜躁狠狠躁| www.av在线官网国产| 最近最新中文字幕大全免费视频 | 蜜桃国产av成人99| 国产精品香港三级国产av潘金莲 | 无限看片的www在线观看| 黄网站色视频无遮挡免费观看| 午夜福利视频在线观看免费| 美女高潮到喷水免费观看| 欧美日韩一级在线毛片| 国产男女内射视频| 一本大道久久a久久精品| 少妇精品久久久久久久| 成在线人永久免费视频| 99精品久久久久人妻精品| 多毛熟女@视频| 丰满少妇做爰视频| 国产精品国产三级国产专区5o| 亚洲第一青青草原| 99国产精品一区二区蜜桃av | 亚洲黑人精品在线| 国产精品秋霞免费鲁丝片| www.熟女人妻精品国产| www日本在线高清视频| 国产精品国产三级国产专区5o| 亚洲第一av免费看| 九草在线视频观看| 青草久久国产| 国产片内射在线| 精品少妇一区二区三区视频日本电影| 青春草视频在线免费观看| 99国产精品免费福利视频| 欧美人与性动交α欧美精品济南到| 夫妻午夜视频| 一本久久精品| 91麻豆精品激情在线观看国产 | 嫩草影视91久久| 国产亚洲精品第一综合不卡| 一级,二级,三级黄色视频| 各种免费的搞黄视频| 热re99久久国产66热| 亚洲欧美中文字幕日韩二区| 新久久久久国产一级毛片| 十八禁网站网址无遮挡| 超色免费av| 久久久久久久久免费视频了| 一级黄色大片毛片| 蜜桃在线观看..| 中文欧美无线码| 欧美国产精品一级二级三级| 亚洲欧美精品综合一区二区三区| 大香蕉久久网| 亚洲人成电影免费在线| 日日夜夜操网爽| 老司机亚洲免费影院| 亚洲 国产 在线| 久久久精品免费免费高清| 人体艺术视频欧美日本| www.熟女人妻精品国产| 亚洲三区欧美一区| 国产男女超爽视频在线观看| 色婷婷av一区二区三区视频| 大片免费播放器 马上看| 久久国产精品男人的天堂亚洲| 午夜福利免费观看在线| 亚洲av男天堂| 丁香六月欧美| 午夜免费成人在线视频| 国产精品二区激情视频| 波多野结衣一区麻豆| 久久天躁狠狠躁夜夜2o2o | 亚洲 国产 在线| 久久久精品区二区三区| 建设人人有责人人尽责人人享有的| 又紧又爽又黄一区二区| 中文字幕亚洲精品专区| 精品亚洲成a人片在线观看| 一二三四社区在线视频社区8| 久久精品人人爽人人爽视色| 你懂的网址亚洲精品在线观看| 母亲3免费完整高清在线观看| 只有这里有精品99| 老汉色av国产亚洲站长工具| 中文欧美无线码| 亚洲成人手机| 午夜福利视频在线观看免费| 国产免费福利视频在线观看| 激情五月婷婷亚洲| 亚洲精品在线美女| 国产欧美日韩精品亚洲av| 一级片免费观看大全| 9色porny在线观看| 老汉色∧v一级毛片| 亚洲,欧美精品.| 欧美精品一区二区大全| 伦理电影免费视频| 成年av动漫网址| 国产欧美亚洲国产| 日韩一卡2卡3卡4卡2021年| 黄色视频在线播放观看不卡| 1024香蕉在线观看| 一区二区av电影网| 日本av手机在线免费观看| 亚洲国产欧美网| 免费看av在线观看网站| 免费看不卡的av| 国产成人精品无人区| 首页视频小说图片口味搜索 | 国产99久久九九免费精品| 狂野欧美激情性bbbbbb| 亚洲精品久久午夜乱码| 一边摸一边做爽爽视频免费| 欧美人与善性xxx| 母亲3免费完整高清在线观看| 一级毛片女人18水好多 | 黄频高清免费视频| 欧美久久黑人一区二区| 成人国产一区最新在线观看 | 久久人人爽av亚洲精品天堂| 丁香六月天网| 国产高清不卡午夜福利| 操美女的视频在线观看| 97精品久久久久久久久久精品| 纯流量卡能插随身wifi吗| 久久亚洲精品不卡| 狠狠婷婷综合久久久久久88av| 亚洲成国产人片在线观看| 9191精品国产免费久久| 久久狼人影院| 久久免费观看电影| 国产亚洲午夜精品一区二区久久| 成人手机av| 中文欧美无线码| 七月丁香在线播放| 欧美日韩国产mv在线观看视频| 国产在线一区二区三区精| 黑人巨大精品欧美一区二区蜜桃| 中文字幕人妻丝袜制服| 天堂8中文在线网| 久久久久国产精品人妻一区二区| 午夜福利一区二区在线看| 国产精品香港三级国产av潘金莲 | 9热在线视频观看99| 91成人精品电影| 国产欧美亚洲国产| 婷婷丁香在线五月| 久久久精品区二区三区| 中文字幕人妻丝袜一区二区| 2018国产大陆天天弄谢| 国产日韩欧美视频二区| 亚洲一码二码三码区别大吗| 青青草视频在线视频观看| 老司机在亚洲福利影院| 国产免费现黄频在线看| 中文字幕色久视频| 不卡av一区二区三区| 捣出白浆h1v1| 久久天躁狠狠躁夜夜2o2o | 一级黄片播放器| 两个人免费观看高清视频| 日韩av在线免费看完整版不卡| 国产精品一区二区免费欧美 | 国产精品熟女久久久久浪| 自线自在国产av| 夫妻性生交免费视频一级片| 在线观看国产h片| 国产精品国产三级国产专区5o| 久久中文字幕一级| av一本久久久久| 亚洲精品日本国产第一区| 精品国产一区二区三区四区第35| 国产精品偷伦视频观看了| 欧美人与性动交α欧美软件| 两个人免费观看高清视频| 欧美精品一区二区免费开放| 色婷婷久久久亚洲欧美| 欧美黑人欧美精品刺激| 观看av在线不卡| 亚洲国产精品成人久久小说| 国产欧美日韩一区二区三 | 亚洲国产成人一精品久久久| 十八禁高潮呻吟视频| 亚洲精品久久成人aⅴ小说| 国产在线视频一区二区| 亚洲av日韩在线播放| 免费女性裸体啪啪无遮挡网站| 午夜免费男女啪啪视频观看| 亚洲五月色婷婷综合| 激情视频va一区二区三区| 亚洲国产精品国产精品| 国产一区二区激情短视频 | 日本a在线网址| 亚洲九九香蕉| 成人亚洲精品一区在线观看| 天天躁夜夜躁狠狠久久av| 亚洲国产av影院在线观看| 男女高潮啪啪啪动态图| 一区二区三区四区激情视频| 亚洲成人手机| 日韩伦理黄色片| 男人操女人黄网站| 可以免费在线观看a视频的电影网站| 国产极品粉嫩免费观看在线| 国产高清国产精品国产三级| 国产精品熟女久久久久浪| 日韩中文字幕欧美一区二区 | 两性夫妻黄色片| 男人操女人黄网站| 夫妻午夜视频| 国产精品一区二区免费欧美 | 久久人妻福利社区极品人妻图片 | av福利片在线| 美女午夜性视频免费| 中文字幕制服av| 美女午夜性视频免费| 色网站视频免费| 免费看十八禁软件| 一级毛片 在线播放| av天堂久久9| 国产精品久久久久久精品电影小说| 91字幕亚洲| 精品高清国产在线一区| 久热爱精品视频在线9| 熟女av电影| 国产精品av久久久久免费| 亚洲一卡2卡3卡4卡5卡精品中文| www.精华液| 青青草视频在线视频观看| 午夜91福利影院| 精品国产超薄肉色丝袜足j| 国产午夜精品一二区理论片| 久久久精品免费免费高清| 国产亚洲精品第一综合不卡| 日本黄色日本黄色录像| 欧美精品人与动牲交sv欧美| 欧美日韩福利视频一区二区| 一区在线观看完整版| 久久精品久久久久久噜噜老黄| 亚洲成av片中文字幕在线观看| 香蕉丝袜av| 国产精品av久久久久免费| 性高湖久久久久久久久免费观看| 久热爱精品视频在线9| 欧美亚洲日本最大视频资源| 久久精品熟女亚洲av麻豆精品| 国产三级黄色录像| a级片在线免费高清观看视频| 国产精品av久久久久免费| 99热国产这里只有精品6| 国产亚洲午夜精品一区二区久久| 丝袜美足系列| 在线观看www视频免费| 欧美日韩亚洲高清精品| 另类亚洲欧美激情| 国产女主播在线喷水免费视频网站| 男女边摸边吃奶| 1024视频免费在线观看| 日本wwww免费看| 高清欧美精品videossex| 国产免费又黄又爽又色| 精品人妻熟女毛片av久久网站| 只有这里有精品99| 国产精品一区二区免费欧美 | 免费不卡黄色视频| 国产激情久久老熟女| 国语对白做爰xxxⅹ性视频网站| 欧美 日韩 精品 国产| 美女午夜性视频免费| 久久精品人人爽人人爽视色| 亚洲一码二码三码区别大吗| av网站在线播放免费| 欧美成人精品欧美一级黄| 久久国产精品大桥未久av| 啦啦啦在线观看免费高清www| 日韩一区二区三区影片| 欧美在线一区亚洲| 丁香六月欧美| 午夜福利视频在线观看免费| bbb黄色大片| 91九色精品人成在线观看| 好男人电影高清在线观看| 天天操日日干夜夜撸| av天堂久久9| 中文字幕亚洲精品专区| 精品国产乱码久久久久久男人| 多毛熟女@视频| 久久精品国产综合久久久| 国产一区有黄有色的免费视频| 又大又黄又爽视频免费| 9热在线视频观看99| 成人午夜精彩视频在线观看| 成人亚洲欧美一区二区av| 亚洲精品国产av蜜桃| 无限看片的www在线观看| 精品少妇一区二区三区视频日本电影| 国产午夜精品一二区理论片| 欧美精品人与动牲交sv欧美| 成人三级做爰电影| 搡老乐熟女国产| 亚洲欧美激情在线| 热99久久久久精品小说推荐| 亚洲九九香蕉| 亚洲一卡2卡3卡4卡5卡精品中文| 两个人看的免费小视频| www日本在线高清视频| 国产亚洲av片在线观看秒播厂| 亚洲精品日韩在线中文字幕| svipshipincom国产片| 2021少妇久久久久久久久久久| av在线app专区| 在线观看国产h片| 精品国产国语对白av| 久久精品久久久久久久性| 国产一卡二卡三卡精品| 亚洲av国产av综合av卡| 女人精品久久久久毛片| 日日夜夜操网爽| 日本猛色少妇xxxxx猛交久久| 亚洲熟女精品中文字幕| 欧美日韩视频精品一区| 激情五月婷婷亚洲| 亚洲欧美中文字幕日韩二区| 韩国高清视频一区二区三区| 极品少妇高潮喷水抽搐| 精品视频人人做人人爽| 成人免费观看视频高清| 国产一区亚洲一区在线观看| 午夜视频精品福利| 美女大奶头黄色视频| 欧美少妇被猛烈插入视频| 国产深夜福利视频在线观看| 91国产中文字幕| 天天躁日日躁夜夜躁夜夜| av有码第一页| 国产精品一区二区在线不卡| 国产亚洲精品第一综合不卡| 久久国产精品大桥未久av| 日日摸夜夜添夜夜爱| 亚洲精品一区蜜桃| 久久久国产精品麻豆| 国产成人免费无遮挡视频| av欧美777| 18禁裸乳无遮挡动漫免费视频| 韩国精品一区二区三区| 别揉我奶头~嗯~啊~动态视频 | a 毛片基地| 少妇裸体淫交视频免费看高清 | 国产高清国产精品国产三级| 男人添女人高潮全过程视频| 最新在线观看一区二区三区 | 男人操女人黄网站| 少妇粗大呻吟视频| 免费观看a级毛片全部| 激情视频va一区二区三区| 18在线观看网站| 久久久久久久久免费视频了| 亚洲第一青青草原| 在线av久久热| 蜜桃国产av成人99| 成人亚洲欧美一区二区av| 9191精品国产免费久久| 乱人伦中国视频| 麻豆av在线久日| 精品国产国语对白av| 久久狼人影院| 高清av免费在线| 精品亚洲成a人片在线观看| 久久久久精品国产欧美久久久 | 精品少妇内射三级| 一本一本久久a久久精品综合妖精| 香蕉国产在线看| 老汉色∧v一级毛片| 1024视频免费在线观看| 人妻人人澡人人爽人人| 国产亚洲精品第一综合不卡| 欧美日韩福利视频一区二区| 欧美日韩av久久| 亚洲精品久久久久久婷婷小说| 亚洲午夜精品一区,二区,三区| 亚洲第一青青草原| 又粗又硬又长又爽又黄的视频| tube8黄色片| 国产精品一国产av| 乱人伦中国视频| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲av成人不卡在线观看播放网 | 久久精品成人免费网站| 老司机影院成人| 最近中文字幕2019免费版| 免费日韩欧美在线观看| 90打野战视频偷拍视频| 亚洲欧美日韩高清在线视频 | 咕卡用的链子| 国产在线视频一区二区| 咕卡用的链子| 老司机影院毛片| 中国国产av一级| 成年人免费黄色播放视频| 国产人伦9x9x在线观看| 久久狼人影院| 久久影院123| 成年动漫av网址| 一本—道久久a久久精品蜜桃钙片| 男女无遮挡免费网站观看| 少妇的丰满在线观看| 亚洲成人免费av在线播放| 日本wwww免费看| 亚洲国产最新在线播放| 国产午夜精品一二区理论片| 又粗又硬又长又爽又黄的视频| 国产亚洲av片在线观看秒播厂| 大片电影免费在线观看免费| 久久久国产欧美日韩av| 男女免费视频国产| 久久人人爽人人片av| cao死你这个sao货| 咕卡用的链子| 色精品久久人妻99蜜桃| a级毛片黄视频| 国产精品.久久久| 啦啦啦中文免费视频观看日本| 蜜桃在线观看..| 久久精品久久精品一区二区三区| 九草在线视频观看| 首页视频小说图片口味搜索 | 最黄视频免费看| 久久久精品区二区三区| 亚洲欧美成人综合另类久久久| 狂野欧美激情性bbbbbb| 久久女婷五月综合色啪小说| 各种免费的搞黄视频| 亚洲三区欧美一区| 叶爱在线成人免费视频播放| 精品卡一卡二卡四卡免费| 久久精品熟女亚洲av麻豆精品| 成人黄色视频免费在线看| 中文字幕精品免费在线观看视频| 久久人人爽人人片av| 黄色视频不卡| 欧美日韩亚洲国产一区二区在线观看 | 我要看黄色一级片免费的| 考比视频在线观看| 亚洲中文av在线| 最新在线观看一区二区三区 | 国产99久久九九免费精品| 日本五十路高清| 久久精品国产亚洲av高清一级| 黄色片一级片一级黄色片| 看免费av毛片| 国产野战对白在线观看| 午夜福利,免费看| 最黄视频免费看| 欧美亚洲日本最大视频资源| 国产熟女欧美一区二区| 精品一区在线观看国产| 国产欧美日韩一区二区三区在线| 老司机影院毛片| 午夜免费鲁丝| 国产成人系列免费观看| 欧美精品一区二区免费开放| 日韩免费高清中文字幕av| 久久天堂一区二区三区四区| 性少妇av在线| 性色av一级| 老司机影院毛片| 两个人看的免费小视频| 狠狠婷婷综合久久久久久88av| 欧美 亚洲 国产 日韩一| 久久99精品国语久久久| 天堂俺去俺来也www色官网| 女警被强在线播放| 久久精品国产a三级三级三级| 日本wwww免费看| 国产不卡av网站在线观看| 亚洲精品国产色婷婷电影| 国产又爽黄色视频| 日日爽夜夜爽网站| 亚洲av电影在线进入| 久久国产精品影院| 在线观看免费日韩欧美大片| 丰满饥渴人妻一区二区三| 成年女人毛片免费观看观看9 | 老司机在亚洲福利影院| 亚洲第一青青草原| 亚洲欧美日韩高清在线视频 | 国产片内射在线| 亚洲成色77777| 一本久久精品| 久久性视频一级片| 亚洲 国产 在线| 国产精品成人在线| 美女午夜性视频免费| 一边亲一边摸免费视频| 国产一区二区激情短视频 | 久久精品亚洲熟妇少妇任你| 欧美日韩综合久久久久久| 亚洲欧美激情在线| 一区在线观看完整版| 亚洲精品久久成人aⅴ小说| 成人影院久久| 最近中文字幕2019免费版| 亚洲一区中文字幕在线| 黑丝袜美女国产一区| 久久久久久免费高清国产稀缺| 男人操女人黄网站| 午夜免费观看性视频| 国产片内射在线| 赤兔流量卡办理| 中国国产av一级| tube8黄色片| 中文字幕av电影在线播放| 啦啦啦 在线观看视频| 777久久人妻少妇嫩草av网站| 国产黄色免费在线视频| 人体艺术视频欧美日本| 国产精品香港三级国产av潘金莲 | 亚洲精品一区蜜桃| 在线精品无人区一区二区三| 脱女人内裤的视频| 国产不卡av网站在线观看| 9色porny在线观看| 国产欧美日韩一区二区三区在线| 2018国产大陆天天弄谢| 国产午夜精品一二区理论片| 久久综合国产亚洲精品| 亚洲精品一二三| 人人澡人人妻人| 天堂俺去俺来也www色官网| 国产av精品麻豆| 中文乱码字字幕精品一区二区三区| a级毛片在线看网站| 久久青草综合色| 久久av网站| 国产麻豆69| 欧美日韩国产mv在线观看视频| 欧美黄色片欧美黄色片| 国产1区2区3区精品| 免费女性裸体啪啪无遮挡网站|