• <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 ?

    注意力機(jī)制下的EMD-GRU短期電力負(fù)荷預(yù)測(cè)

    2021-11-16 03:05:48方娜余俊杰李俊曉陳浩
    關(guān)鍵詞:分量模態(tài)內(nèi)涵

    方娜,余俊杰,李俊曉,陳浩

    (1.湖北工業(yè)大學(xué) 太陽(yáng)能高效利用及儲(chǔ)能運(yùn)行控制湖北省重點(diǎn)實(shí)驗(yàn)室,湖北 武漢 430068;2.湖北工業(yè)大學(xué) 湖北省電網(wǎng)智能控制與裝備工程技術(shù)研究中心,湖北 武漢 430068)

    電力負(fù)荷預(yù)測(cè)在電力系統(tǒng)的調(diào)度運(yùn)行中起著重要作用,根據(jù)預(yù)測(cè)時(shí)間可分為長(zhǎng)期、中期和短期預(yù)測(cè).準(zhǔn)確的短期負(fù)荷預(yù)測(cè)不僅能幫助系統(tǒng)安全可靠地運(yùn)行,還能減少資源浪費(fèi),提高經(jīng)濟(jì)效益[1].

    目前,短期電力負(fù)荷預(yù)測(cè)模型主要有統(tǒng)計(jì)模型和基于人工智能模型兩大類.統(tǒng)計(jì)模型中,指數(shù)平滑法[2]難以鑒別出數(shù)據(jù)之間的轉(zhuǎn)折點(diǎn),在預(yù)測(cè)帶有季節(jié)性的數(shù)據(jù)時(shí),效果不好.自回歸移動(dòng)平均值(auto regressive moving average,ARMA)[3-4]在本質(zhì)上只能捕捉線性關(guān)系,不能捕捉非線性關(guān)系.這些統(tǒng)計(jì)方法雖簡(jiǎn)單且速度快,但均無(wú)法很好地?cái)M合非線性時(shí)序數(shù)據(jù),存在局限性.在人工智能的模型中,人工神經(jīng)網(wǎng)絡(luò)(artificial neural network,ANN)[5-6]可逼近任意非線性函數(shù),但不能挖掘出數(shù)據(jù)間的相關(guān)性,也需人為選擇時(shí)間特征.長(zhǎng)短期記憶網(wǎng)絡(luò)(long short-term memory,LSTM)[7-11]能更精確地學(xué)習(xí)時(shí)間序列間的長(zhǎng)期依賴性關(guān)系,解決需要人工提取時(shí)序特征和梯度消失的問題,但其收斂速度較慢.門控循環(huán)單元(gated recurrent unit,GRU)[12-13]減少運(yùn)算單元,改進(jìn)LSTM,具有更快的收斂速度,并保持與LSTM接近的準(zhǔn)確率.GRU能同時(shí)兼顧負(fù)荷序列的非線性和時(shí)序性,但預(yù)測(cè)效果會(huì)因負(fù)荷序列中非平穩(wěn)部分明顯下降.經(jīng)驗(yàn)?zāi)B(tài)分解(empirical modal decomposition,EMD)[14-16]降低原始電力負(fù)荷序列的非平穩(wěn)性,將非平穩(wěn)的負(fù)荷序列重構(gòu)成一定數(shù)量、不同尺度和相對(duì)平穩(wěn)的信號(hào),當(dāng)輸入的時(shí)間序列較長(zhǎng)時(shí),GRU在處理數(shù)據(jù)間結(jié)構(gòu)的信息時(shí)不易建模,同時(shí),也會(huì)出現(xiàn)丟失序列信息的問題,影響模型預(yù)測(cè)的準(zhǔn)確率.注意力(Attention)機(jī)制[17-19]是一種資源分配機(jī)制,對(duì)輸入負(fù)荷序列給予不同的權(quán)重,放大負(fù)荷序列中的重要特征,突出更加關(guān)鍵的特征,使其不受序列長(zhǎng)短的影響,當(dāng)模型輸入負(fù)荷序列較長(zhǎng)時(shí),序列間相互依賴的關(guān)系也能更好地被學(xué)習(xí)分析.

    為了提高負(fù)荷預(yù)測(cè)精度,本文構(gòu)建一種基于注意力機(jī)制的EMD-GRU混合預(yù)測(cè)模型,簡(jiǎn)稱EMD-GRU-Attention混合預(yù)測(cè)模型.

    1 模型原理

    1.1 EMD數(shù)據(jù)重構(gòu)

    經(jīng)驗(yàn)?zāi)B(tài)分解不用事先設(shè)立任何基函數(shù),可直接根據(jù)數(shù)據(jù)自身的時(shí)間尺度分解信號(hào).理論上,這種方法可分解任何類型的信號(hào),且在分析非線性及非平穩(wěn)數(shù)據(jù)時(shí)有顯著的優(yōu)勢(shì),十分適合處理非線性、非平穩(wěn)信號(hào).當(dāng)原始信號(hào)被EMD之后,得到內(nèi)涵模態(tài)分量(Ci)和殘余分量(Rn),這些分量可表征數(shù)據(jù)各時(shí)間尺度的特征,即

    (1)

    式(1)中:X(t)為原始時(shí)間負(fù)荷序列.

    過(guò)零率(ρ)是分量在時(shí)間尺度內(nèi)的過(guò)零次數(shù)(n0)與負(fù)荷序列長(zhǎng)度(l)的比值,計(jì)算公式為

    (2)

    因數(shù)據(jù)量大,為較好地區(qū)分高、低頻分量,定義ρ超過(guò)0.1為高頻分量,ρ低于0.1為低頻分量.

    1.2 GRU網(wǎng)絡(luò)模型

    GRU網(wǎng)絡(luò)模型是一種改進(jìn)的循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN),能捕獲時(shí)間序列長(zhǎng)短期之間的依賴關(guān)系,且成功解決RNN存在的梯度消失問題,內(nèi)部結(jié)構(gòu)簡(jiǎn)單,減少訓(xùn)練參數(shù)的同時(shí),保證預(yù)測(cè)精度.GRU基本單元,如圖1所示.

    圖1 GRU基本單元

    GRU單元更新門的輸出結(jié)果為

    zt=σ(wz×[ht-1,xt]),

    (3)

    rt=σ(wr×[ht-1,xt]),

    (4)

    (5)

    (6)

    1.3 Attention機(jī)制

    Attention機(jī)制對(duì)特征向量分配不同的權(quán)重,對(duì)重要特征給予足夠的關(guān)注,忽略無(wú)關(guān)信息,從而來(lái)突出關(guān)鍵特征.在GRU對(duì)輸入數(shù)據(jù)分別進(jìn)行特征提取和時(shí)序分析后,與之進(jìn)行結(jié)合.Attention機(jī)制示意圖,如圖2所示.

    計(jì)算公式為

    C=Tanh(ht),

    (7)

    ?=Softmax(wT·C),

    (8)

    α=ht·?T.

    (9)

    式(7)~(9)中:wT為權(quán)重矩陣;α為注意力層的輸出.

    最后,結(jié)果由全連接層映射,得到預(yù)測(cè)結(jié)果.

    2 EMD-GRU-Attention混合預(yù)測(cè)模型

    EMD-GRU-Attention混合預(yù)測(cè)模型結(jié)構(gòu),如圖3所示.圖3中:Dense為全連接層.

    圖3 EMD-GRU-Attention混合預(yù)測(cè)模型結(jié)構(gòu)

    負(fù)荷序列中異常值與缺失值均以均值替代及補(bǔ)充,歸一化處理后,利用EMD將數(shù)據(jù)重構(gòu)成多個(gè)分量,并將盡量多的低頻內(nèi)涵模態(tài)分量和殘余分量疊加組合,以降低模型的時(shí)間復(fù)雜度.對(duì)各高、低頻內(nèi)涵模態(tài)分量及殘余分量組合分量以同樣方式選取訓(xùn)練集和測(cè)試集,再分別將各分量的訓(xùn)練集輸入GRU神經(jīng)網(wǎng)絡(luò)中.同時(shí),引入Attention機(jī)制,經(jīng)全連接層線性擬合后,輸出各分量及組合分量的預(yù)測(cè)值.采用的損失函數(shù)為均方誤差函數(shù),用Adam優(yōu)化算法對(duì)模型參數(shù)進(jìn)行優(yōu)化,批次為512,訓(xùn)練輪數(shù)為220,進(jìn)而對(duì)模型整體進(jìn)行訓(xùn)練確定.

    運(yùn)用測(cè)試集通過(guò)確定后的模型得到各分量及組合分量的預(yù)測(cè)值,將各時(shí)刻對(duì)應(yīng)分量預(yù)測(cè)值疊加,得出最終各時(shí)刻的預(yù)測(cè)值,最后,用誤差指標(biāo)評(píng)估模型.基于TensorFlow-GPU框架下設(shè)計(jì)網(wǎng)絡(luò)結(jié)構(gòu),調(diào)用Keras中的函數(shù)式模型,根據(jù)上述具體參數(shù)編寫代碼,進(jìn)行仿真.

    3 算例分析與驗(yàn)證

    3.1 數(shù)據(jù)集及數(shù)據(jù)預(yù)處理

    數(shù)據(jù)集為丹麥西部2016年(2016年1月1日至2016年12月31日)的負(fù)荷數(shù)據(jù),來(lái)自著名開源代碼庫(kù)GitHub中Gmomo的開源項(xiàng)目,采樣頻率為1點(diǎn)·h-1,共8 784條.對(duì)負(fù)荷序列進(jìn)行EMD,選取各分量前90%的數(shù)據(jù)進(jìn)行訓(xùn)練,各分量后10%的數(shù)據(jù)進(jìn)行測(cè)試,在訓(xùn)練集中取前n個(gè)點(diǎn)對(duì)應(yīng)n+1的點(diǎn),即[x1,x2,x3,…,xn]對(duì)應(yīng)xn+1,[x2,x3,x4,…,xn+1]對(duì)應(yīng)xn+2,依次對(duì)訓(xùn)練集進(jìn)行分割,測(cè)試集也做同樣處理.

    為便于模型訓(xùn)練,對(duì)所選負(fù)荷數(shù)據(jù)進(jìn)行歸一化處理,即

    (10)

    式(10)中:x′為原始值;xmax為極大值;xmin為極小值.

    3.2 誤差評(píng)估指標(biāo)

    預(yù)測(cè)結(jié)果誤差評(píng)估指標(biāo)采用平均絕對(duì)百分誤差(EMAP)和均方根誤差(ERMS),即

    (11)

    (12)

    式(11),(12)中:yp為預(yù)測(cè)值;yr為實(shí)際值;n為樣本數(shù)量.

    3.3 EMD重構(gòu)

    EMD分解結(jié)果,如圖4所示.由圖4可知:內(nèi)涵模態(tài)分量反映負(fù)荷數(shù)據(jù)在不同影響因素和不同尺度下的分布規(guī)律,且逐漸由非平穩(wěn)到平穩(wěn);殘差分量(R)反映負(fù)荷序列長(zhǎng)期的變化規(guī)律,且整體變化趨勢(shì)較為一致.

    圖4 EMD分解結(jié)果

    如果對(duì)各分量進(jìn)行預(yù)測(cè),可以較大降低預(yù)測(cè)模型的擬合難度,但同時(shí)模型時(shí)間復(fù)雜度也極大增加.因此,為降低模型的時(shí)間復(fù)雜度,將部分低頻內(nèi)涵模態(tài)分量與殘余分量疊加組合,對(duì)確定后的模型進(jìn)行預(yù)測(cè).分量C1,C2的過(guò)零率分別為45.6%,16.9%,是高頻內(nèi)涵模態(tài)分量;分量C3~C10的過(guò)零率分別為45.6%,16.9%,8.37%,3.33%,1.53%,0.71%,0.39%,0.20%,0.02%,0,均為低頻內(nèi)涵模態(tài)分量.

    將低頻內(nèi)涵模態(tài)分量根據(jù)ρ從小到大依次進(jìn)行疊加,再與殘余分量組合后進(jìn)行預(yù)測(cè),對(duì)沒有用到的內(nèi)涵模態(tài)分量分別單獨(dú)進(jìn)行預(yù)測(cè),將預(yù)測(cè)結(jié)果疊加.不同組合分量的EMAP和訓(xùn)練時(shí)間(t),如表1所示.

    表1 不同組合分量的EMAP和訓(xùn)練時(shí)間

    表1中:n為低頻內(nèi)涵模態(tài)分量個(gè)數(shù).由表1可知:8個(gè)低頻內(nèi)涵模態(tài)分量與殘余分量疊加得到的組合分量與剩余內(nèi)涵模態(tài)分量用EMD-GRU-Attention混合預(yù)測(cè)模型進(jìn)行預(yù)測(cè)時(shí),得到的EMAP,ERMS和訓(xùn)練時(shí)間分別為1.41%,46.6 MW·h和1 017 s,在很短的時(shí)間內(nèi)得到了較高的預(yù)測(cè)精度.因此,將7個(gè)低頻內(nèi)涵模態(tài)分量和殘余分量設(shè)定為組合分量,對(duì)其余2個(gè)高頻內(nèi)涵模態(tài)分量與1個(gè)低頻內(nèi)涵模態(tài)分量分別進(jìn)行預(yù)測(cè).

    3.4 GRU網(wǎng)絡(luò)模型參數(shù)

    通過(guò)原始負(fù)荷數(shù)據(jù)對(duì)引入Attention機(jī)制的GRU結(jié)構(gòu)進(jìn)行調(diào)優(yōu),固定神經(jīng)元數(shù)量、訓(xùn)練輪數(shù)和批次,調(diào)整GRU層數(shù),根據(jù)EMAP,ERMS的大小判斷預(yù)測(cè)精度.GRU層數(shù)調(diào)整結(jié)果,如表2所示.由表2可知:當(dāng)GRU層數(shù)為2時(shí),能在短的時(shí)間內(nèi)取得更好的預(yù)測(cè)精度;當(dāng)GRU層數(shù)為1層時(shí),由于不能很好分析負(fù)荷序列及提取特征,效果較差;當(dāng)GRU層數(shù)為3時(shí),雖精度相差不大,但訓(xùn)練時(shí)間過(guò)長(zhǎng);當(dāng)GRU層數(shù)為4時(shí),則出現(xiàn)了過(guò)擬合,訓(xùn)練時(shí)間也太長(zhǎng).因此,GRU層數(shù)設(shè)定為2,GRU神經(jīng)元數(shù)量設(shè)置為2n.上述模型將第1層神經(jīng)元數(shù)設(shè)為64,返回全部時(shí)間步的隱藏狀態(tài);為減少數(shù)據(jù)流,降低冗余特征的干擾,第2層設(shè)置為32,返回全部時(shí)間步的隱藏狀態(tài),輸入Attention機(jī)制中,通過(guò)計(jì)算,分配不同權(quán)重,經(jīng)Dense擬合后,得到更高的精度.

    表2 GRU層數(shù)調(diào)整結(jié)果

    3.5 仿真結(jié)果對(duì)比

    分別利用BP網(wǎng)絡(luò)模型,支持向量機(jī)(SVR)模型,GRU網(wǎng)絡(luò)模型,EMD-GRU模型和EMD-GRU-Attention混合預(yù)測(cè)模型進(jìn)行仿真實(shí)驗(yàn),對(duì)各模型參數(shù)進(jìn)行調(diào)優(yōu),以相同訓(xùn)練集訓(xùn)練.確定各個(gè)模型參數(shù)后,以相同測(cè)試集預(yù)測(cè)2016年中1 d(12月31日)及31 d(12月1日至12月31日)的電力負(fù)荷,計(jì)算EMAP,ERMS.不同模型仿真結(jié)果對(duì)比,如表3所示.由表3可知:EMD-GRU-Attention混合預(yù)測(cè)模型在1和31 d的EMAP,ERMS均低于其他4種模型;在31 d里EMD-GRU模型的EMAP,ERMS分別為1.75%和60.1 MW·h,而EMD-GRU-Attention混合預(yù)測(cè)模型的EMAP,ERMS分別為1.41%和46.6 MW·h,這表明EMD-GRU-Attention混合預(yù)測(cè)模型具有更高的預(yù)測(cè)精度.

    表3 不同模型仿真結(jié)果對(duì)比

    為了驗(yàn)證EMD,GRU和Attention之間的組合性能,將GRU網(wǎng)絡(luò),EMD和Attention遞進(jìn)組合,得出不同組合模型在某一天(2016年11月27日)的預(yù)測(cè)值及評(píng)估指標(biāo)(EMAP和ERMS),如表4所示.表4中:Pr為實(shí)測(cè)功率;Pp為預(yù)測(cè)功率.由表4可知:GRU網(wǎng)絡(luò)模型,EMD-GRU模型和EMD-GRU-Attention混合預(yù)測(cè)模型24 h內(nèi)的EMAP分別為0.15%~7.94%,0.12%~6.75%,0.28%~3.32%,ERMS分別為3.5~157.6 MW·h,3.0~146.8 MW·h,3.3~80.4 MW·h,隨著網(wǎng)絡(luò)模型的遞進(jìn)組合,其誤差范圍逐漸縮小,整體準(zhǔn)確率穩(wěn)步上升;3種模型在1 d內(nèi)的平均EMAP分別為2.13%,1.89%和1.34%,平均ERMS分別為50.4,43.6,31.7 MW·h,這進(jìn)一步表明EMD-GRU-Attention混合預(yù)測(cè)模型具有更高的預(yù)測(cè)性能.

    表4 不同模型負(fù)荷預(yù)測(cè)結(jié)果

    BP網(wǎng)絡(luò)模型,SVR模型,GRU網(wǎng)絡(luò)模型,EMD-GRU模型和EMD-GRU-Attention混合預(yù)測(cè)模型在2016年11月28日和29日的負(fù)荷預(yù)測(cè)結(jié)果對(duì)比,如圖5(a)所示.圖5(a)中:P為功率.由圖5(a)可知:BP網(wǎng)絡(luò)模型,SVR模型在波峰和波谷區(qū)域出現(xiàn)很大幅度的偏差,而GRU網(wǎng)絡(luò)模型,EMD-GRU模型和EMD-GRU-Attention混合預(yù)測(cè)模型相對(duì)于這兩種模型都能較好地?cái)M合真實(shí)曲線.

    (a)不同模型預(yù)測(cè)

    GRU網(wǎng)絡(luò)模型和EMD-GRU模型的負(fù)荷預(yù)測(cè)結(jié)果對(duì)比,如圖5(b)所示.由圖5(b)可知:從整體上看,基于EMD-GRU模型的預(yù)測(cè)曲線不僅在波峰波谷區(qū)域與實(shí)際變化曲線更貼近,在其他區(qū)域也與實(shí)際的變化趨勢(shì)更吻合,其原因是序列的非平穩(wěn)性導(dǎo)致GRU網(wǎng)絡(luò)模型不能很好地預(yù)測(cè)出序列的變化趨勢(shì),而EMD重構(gòu)序列改善了這一問題,使得預(yù)測(cè)精度更好.

    EMD-GRU模型與EMD-GRU-Attention混合預(yù)測(cè)模型的負(fù)荷預(yù)測(cè)結(jié)果對(duì)比,如圖5(c)所示.由圖5(c)可知:在大多數(shù)波峰和波谷區(qū)域,EMD-GRU-Attention混合預(yù)測(cè)模型的預(yù)測(cè)精度更高,這體現(xiàn)了Attention機(jī)制突出關(guān)鍵特征的能力,使得在預(yù)測(cè)轉(zhuǎn)折點(diǎn)時(shí)更能擬合真實(shí)曲線.

    4 結(jié)論

    提出一種基于Attention機(jī)制的EMD-GRU混合預(yù)測(cè)模型用于短期電力負(fù)荷預(yù)測(cè).先通過(guò)EMD將負(fù)荷數(shù)據(jù)重構(gòu);再利用GRU抽取各分量及組合分量中潛藏特征;引入Attention機(jī)制突出關(guān)鍵特征,對(duì)各分量及組合分量預(yù)測(cè);最后,疊加各分量預(yù)測(cè)值得到最終預(yù)測(cè)結(jié)果.通過(guò)算例仿真及對(duì)比,得到以下5個(gè)結(jié)論.

    1)負(fù)荷序列作為輸入,經(jīng)EMD降低序列的非平穩(wěn)性及復(fù)雜度,便于模型預(yù)測(cè).

    2)將EMD處理后的向量作為GRU網(wǎng)絡(luò)模型的輸入,通過(guò)GRU網(wǎng)絡(luò)模型,能較好地分析負(fù)荷數(shù)據(jù)的時(shí)序性和復(fù)雜非線性關(guān)系.

    3)結(jié)合Attention機(jī)制,計(jì)算GRU處理后的特征向量,給予不同權(quán)值,突出關(guān)鍵特征,進(jìn)一步提高負(fù)荷預(yù)測(cè)精度.

    4)EMD-GRU-Attention混合模型結(jié)合了EMD,GRU網(wǎng)絡(luò)和Attention機(jī)制的特點(diǎn),實(shí)驗(yàn)結(jié)果表明:該模型可明顯提升短期電力負(fù)荷預(yù)測(cè)精度.

    5)EMD-GRU-Attention混合預(yù)測(cè)模型提高了預(yù)測(cè)精度,但模型訓(xùn)練時(shí),時(shí)間復(fù)雜度也隨之提高,后續(xù)可對(duì)這部分進(jìn)行改進(jìn).

    猜你喜歡
    分量模態(tài)內(nèi)涵
    帽子的分量
    活出精致內(nèi)涵
    理解本質(zhì),豐富內(nèi)涵
    一物千斤
    智族GQ(2019年9期)2019-10-28 08:16:21
    挖掘習(xí)題的內(nèi)涵
    論《哈姆雷特》中良心的分量
    分量
    要準(zhǔn)確理解“終身追責(zé)”的豐富內(nèi)涵
    國(guó)內(nèi)多模態(tài)教學(xué)研究回顧與展望
    基于HHT和Prony算法的電力系統(tǒng)低頻振蕩模態(tài)識(shí)別
    亚洲国产色片| av在线播放精品| 亚洲国产精品专区欧美| 十分钟在线观看高清视频www | 97热精品久久久久久| 插阴视频在线观看视频| 三级国产精品片| 干丝袜人妻中文字幕| 中文字幕免费在线视频6| av线在线观看网站| 国产免费又黄又爽又色| 黄色一级大片看看| 成人毛片60女人毛片免费| 久久热精品热| 国产精品国产三级国产av玫瑰| 国产男人的电影天堂91| 舔av片在线| 久久99热这里只频精品6学生| 一二三四中文在线观看免费高清| 日韩免费高清中文字幕av| 在线 av 中文字幕| 亚洲av不卡在线观看| 国产 一区 欧美 日韩| 精品一区二区三卡| 欧美老熟妇乱子伦牲交| 国产成人精品福利久久| 人妻夜夜爽99麻豆av| 亚洲激情五月婷婷啪啪| 亚洲天堂av无毛| 精品一区二区免费观看| 国产亚洲最大av| 久久人人爽人人爽人人片va| 青春草亚洲视频在线观看| 91久久精品国产一区二区成人| 亚洲国产最新在线播放| 啦啦啦啦在线视频资源| 日本欧美视频一区| 亚洲国产精品999| 五月开心婷婷网| 亚洲成人av在线免费| 全区人妻精品视频| 中文欧美无线码| 国产伦精品一区二区三区视频9| 国内揄拍国产精品人妻在线| 少妇的逼好多水| 免费大片18禁| 毛片女人毛片| 性色av一级| 国产日韩欧美亚洲二区| 久久久久久久久久成人| 99re6热这里在线精品视频| 黄色日韩在线| 日本av免费视频播放| 日韩大片免费观看网站| 国产精品精品国产色婷婷| 国产成人a∨麻豆精品| 亚洲国产色片| 欧美极品一区二区三区四区| 免费看不卡的av| 91狼人影院| 99精国产麻豆久久婷婷| 日本av免费视频播放| 日韩中文字幕视频在线看片 | 久久久久精品性色| 久久久久久人妻| 精品一区二区三卡| 精品国产一区二区三区久久久樱花 | 亚洲,一卡二卡三卡| av不卡在线播放| 最近的中文字幕免费完整| 免费看日本二区| 精品人妻一区二区三区麻豆| 亚洲国产日韩一区二区| 免费高清在线观看视频在线观看| 亚洲精品色激情综合| 免费av中文字幕在线| 久久韩国三级中文字幕| 中文字幕人妻熟人妻熟丝袜美| 国产高清不卡午夜福利| 国产精品国产三级国产av玫瑰| 国产成人免费观看mmmm| 亚洲av国产av综合av卡| 国产精品精品国产色婷婷| 日韩一区二区三区影片| 国产在线视频一区二区| 亚洲成人中文字幕在线播放| 色视频在线一区二区三区| 欧美3d第一页| 三级经典国产精品| 一级毛片 在线播放| 国语对白做爰xxxⅹ性视频网站| 伊人久久国产一区二区| 欧美xxⅹ黑人| 2018国产大陆天天弄谢| 在线免费观看不下载黄p国产| 秋霞伦理黄片| 国产真实伦视频高清在线观看| 国产综合精华液| 欧美丝袜亚洲另类| 国产探花极品一区二区| av免费在线看不卡| 国产 精品1| 国产免费又黄又爽又色| 蜜臀久久99精品久久宅男| 亚洲av电影在线观看一区二区三区| 免费黄色在线免费观看| 亚洲国产精品999| 亚洲成人中文字幕在线播放| 成人无遮挡网站| 国产一区二区在线观看日韩| 日本av手机在线免费观看| 国产精品伦人一区二区| 一个人看的www免费观看视频| 亚洲欧美成人综合另类久久久| 在线观看免费高清a一片| 九九爱精品视频在线观看| 五月开心婷婷网| 日本vs欧美在线观看视频 | 51国产日韩欧美| 国产欧美日韩精品一区二区| 欧美日韩精品成人综合77777| 啦啦啦视频在线资源免费观看| 蜜桃久久精品国产亚洲av| 看免费成人av毛片| 少妇人妻久久综合中文| 亚洲欧美中文字幕日韩二区| 人人妻人人爽人人添夜夜欢视频 | 国产精品av视频在线免费观看| 六月丁香七月| 久久婷婷青草| 午夜福利高清视频| 偷拍熟女少妇极品色| 亚洲精品456在线播放app| 大香蕉久久网| 一级毛片 在线播放| 国产片特级美女逼逼视频| 日韩电影二区| 亚洲真实伦在线观看| 国产av国产精品国产| 精品99又大又爽又粗少妇毛片| 波野结衣二区三区在线| 欧美精品国产亚洲| 亚洲精品第二区| 日韩,欧美,国产一区二区三区| 国产精品秋霞免费鲁丝片| 嫩草影院入口| 成人午夜精彩视频在线观看| 在线观看免费日韩欧美大片 | 婷婷色综合大香蕉| 美女内射精品一级片tv| 成人综合一区亚洲| 久久久久久九九精品二区国产| 亚洲av电影在线观看一区二区三区| 人妻少妇偷人精品九色| 国产一区有黄有色的免费视频| 久久 成人 亚洲| 伦理电影免费视频| 91在线精品国自产拍蜜月| 亚洲精品国产av蜜桃| 欧美+日韩+精品| 欧美精品人与动牲交sv欧美| 三级国产精品欧美在线观看| 永久免费av网站大全| 中文欧美无线码| 国产精品国产三级专区第一集| 国产精品免费大片| 国产精品99久久99久久久不卡 | 中文字幕av成人在线电影| 国产亚洲欧美精品永久| 久久6这里有精品| 欧美性感艳星| 美女高潮的动态| 亚洲人成网站在线观看播放| 两个人的视频大全免费| 免费高清在线观看视频在线观看| 成人影院久久| 高清欧美精品videossex| 韩国av在线不卡| 久久久久久久大尺度免费视频| 色5月婷婷丁香| 人人妻人人澡人人爽人人夜夜| 国产精品无大码| 亚洲欧洲日产国产| 日本欧美国产在线视频| 日韩欧美一区视频在线观看 | 亚洲,一卡二卡三卡| 天堂俺去俺来也www色官网| 秋霞在线观看毛片| 亚洲精品一二三| 久久精品人妻少妇| 久久久精品94久久精品| 三级国产精品片| 91精品一卡2卡3卡4卡| 亚洲国产毛片av蜜桃av| 制服丝袜香蕉在线| 国产国拍精品亚洲av在线观看| 亚洲欧美清纯卡通| 亚洲不卡免费看| 99国产精品免费福利视频| 人妻夜夜爽99麻豆av| 亚洲av福利一区| 午夜福利影视在线免费观看| 成人综合一区亚洲| 边亲边吃奶的免费视频| 97在线视频观看| 在线 av 中文字幕| 亚洲国产精品国产精品| 欧美区成人在线视频| 亚洲av男天堂| 一级二级三级毛片免费看| 亚洲欧美中文字幕日韩二区| 色5月婷婷丁香| 日本黄色日本黄色录像| 日本色播在线视频| 观看美女的网站| 久久精品夜色国产| 亚洲人成网站在线观看播放| 蜜臀久久99精品久久宅男| 亚洲国产欧美在线一区| a 毛片基地| av专区在线播放| 国产午夜精品一二区理论片| 夫妻性生交免费视频一级片| 国产黄色免费在线视频| 成人国产麻豆网| 国产成人a∨麻豆精品| av在线app专区| av视频免费观看在线观看| 九草在线视频观看| 精品久久久久久电影网| a级毛片免费高清观看在线播放| 男女边吃奶边做爰视频| 久久久久网色| 精品视频人人做人人爽| 人妻夜夜爽99麻豆av| 国产亚洲91精品色在线| 成年免费大片在线观看| 久久久久久人妻| 一个人看的www免费观看视频| 亚洲国产精品专区欧美| 国内精品宾馆在线| 久久久色成人| 日韩在线高清观看一区二区三区| 自拍偷自拍亚洲精品老妇| 国产精品免费大片| 五月天丁香电影| 免费人成在线观看视频色| 22中文网久久字幕| 观看美女的网站| 97在线视频观看| 欧美成人a在线观看| 男人爽女人下面视频在线观看| 熟妇人妻不卡中文字幕| 一级av片app| 亚洲精品一二三| 只有这里有精品99| 久久 成人 亚洲| videos熟女内射| 国产精品.久久久| 亚洲精品,欧美精品| 日韩成人av中文字幕在线观看| 欧美成人精品欧美一级黄| 免费看不卡的av| 中文欧美无线码| 91精品伊人久久大香线蕉| 国产久久久一区二区三区| 人人妻人人澡人人爽人人夜夜| 亚洲一级一片aⅴ在线观看| 亚洲成人手机| av黄色大香蕉| 日日摸夜夜添夜夜添av毛片| 一区二区av电影网| 久久久色成人| 亚洲性久久影院| 这个男人来自地球电影免费观看 | 中国三级夫妇交换| 亚洲aⅴ乱码一区二区在线播放| 国产精品久久久久久久久免| 黑丝袜美女国产一区| 色吧在线观看| 最近的中文字幕免费完整| 亚洲精品一区蜜桃| 亚洲成色77777| 欧美bdsm另类| a 毛片基地| 在线观看免费视频网站a站| 在线观看免费日韩欧美大片 | 赤兔流量卡办理| 免费观看a级毛片全部| 深爱激情五月婷婷| 99久久人妻综合| 国产成人精品久久久久久| 亚洲av国产av综合av卡| 毛片一级片免费看久久久久| 性色av一级| 观看免费一级毛片| 国产伦精品一区二区三区视频9| 我要看黄色一级片免费的| 久久精品熟女亚洲av麻豆精品| 日韩人妻高清精品专区| 综合色丁香网| 97在线人人人人妻| 午夜日本视频在线| 王馨瑶露胸无遮挡在线观看| 久久精品国产亚洲网站| 欧美最新免费一区二区三区| 久久ye,这里只有精品| 最后的刺客免费高清国语| 国产成人a区在线观看| freevideosex欧美| 少妇猛男粗大的猛烈进出视频| 最近的中文字幕免费完整| 内射极品少妇av片p| 99热国产这里只有精品6| 亚洲综合精品二区| 在线精品无人区一区二区三 | 国产精品精品国产色婷婷| 欧美日韩亚洲高清精品| 欧美激情国产日韩精品一区| freevideosex欧美| 日韩欧美精品免费久久| 97超碰精品成人国产| 26uuu在线亚洲综合色| 亚洲欧美中文字幕日韩二区| 黄色一级大片看看| 丰满乱子伦码专区| 男人和女人高潮做爰伦理| 国产伦在线观看视频一区| 日本色播在线视频| 国产一级毛片在线| av在线蜜桃| 日韩不卡一区二区三区视频在线| 蜜桃亚洲精品一区二区三区| 欧美一级a爱片免费观看看| 国产精品无大码| 日韩欧美精品免费久久| 成年人午夜在线观看视频| 国产 一区 欧美 日韩| 亚洲一区二区三区欧美精品| av在线播放精品| 亚洲三级黄色毛片| 午夜日本视频在线| 中国三级夫妇交换| 99热这里只有是精品在线观看| 欧美区成人在线视频| 美女福利国产在线 | 欧美xxxx性猛交bbbb| 欧美成人午夜免费资源| 高清黄色对白视频在线免费看 | 国产深夜福利视频在线观看| 又大又黄又爽视频免费| 99久久人妻综合| 婷婷色综合大香蕉| 免费黄色在线免费观看| 久久久久久久久久成人| 久久人人爽人人爽人人片va| 国产视频内射| 纯流量卡能插随身wifi吗| 午夜免费男女啪啪视频观看| 看非洲黑人一级黄片| 亚洲va在线va天堂va国产| 国产精品人妻久久久久久| 九九久久精品国产亚洲av麻豆| 精品一区二区三区视频在线| 色视频www国产| 国产av码专区亚洲av| 舔av片在线| 精品人妻熟女av久视频| 国产黄片美女视频| 久久久久人妻精品一区果冻| 男人狂女人下面高潮的视频| 99视频精品全部免费 在线| 欧美激情极品国产一区二区三区 | 街头女战士在线观看网站| 国国产精品蜜臀av免费| 国产v大片淫在线免费观看| 亚洲成色77777| xxx大片免费视频| 久久精品国产亚洲网站| 国产免费福利视频在线观看| 亚州av有码| 综合色丁香网| 亚洲美女搞黄在线观看| 亚洲精品久久久久久婷婷小说| 王馨瑶露胸无遮挡在线观看| 欧美日本视频| 一级毛片 在线播放| 欧美xxxx性猛交bbbb| 伦理电影大哥的女人| 精品一区在线观看国产| 亚洲精品一区蜜桃| 国产女主播在线喷水免费视频网站| 一二三四中文在线观看免费高清| 免费黄网站久久成人精品| 国产高潮美女av| 2018国产大陆天天弄谢| 亚洲精品第二区| 亚洲av二区三区四区| 国产亚洲91精品色在线| 校园人妻丝袜中文字幕| 免费黄频网站在线观看国产| 亚洲天堂av无毛| 亚洲成人中文字幕在线播放| 国产精品一区www在线观看| 少妇高潮的动态图| 日韩一本色道免费dvd| 久久精品久久精品一区二区三区| 精品亚洲成a人片在线观看 | 另类亚洲欧美激情| 少妇人妻 视频| 日本欧美国产在线视频| kizo精华| 黑人高潮一二区| 中文字幕亚洲精品专区| 免费看不卡的av| 男女下面进入的视频免费午夜| 欧美成人一区二区免费高清观看| 国产成人一区二区在线| 国产精品一及| 国产黄片视频在线免费观看| 国产精品国产av在线观看| 亚洲av男天堂| 热re99久久精品国产66热6| 国产av精品麻豆| 国产精品秋霞免费鲁丝片| 高清欧美精品videossex| 亚洲在久久综合| 精品午夜福利在线看| 免费黄色在线免费观看| 亚洲三级黄色毛片| 日日撸夜夜添| 中国国产av一级| 18禁在线无遮挡免费观看视频| 欧美 日韩 精品 国产| 久久av网站| 亚洲国产欧美在线一区| 久久精品久久精品一区二区三区| 大又大粗又爽又黄少妇毛片口| 大片电影免费在线观看免费| 国产午夜精品一二区理论片| 午夜激情久久久久久久| 欧美高清成人免费视频www| 亚洲av男天堂| 成年av动漫网址| 国产一区二区三区综合在线观看 | 国产精品麻豆人妻色哟哟久久| 国产 一区精品| 国产黄片视频在线免费观看| av专区在线播放| 国产欧美另类精品又又久久亚洲欧美| 日韩 亚洲 欧美在线| 永久网站在线| 亚洲av电影在线观看一区二区三区| 久久精品熟女亚洲av麻豆精品| 中国三级夫妇交换| 91精品伊人久久大香线蕉| 国产毛片在线视频| 日本av免费视频播放| 亚洲欧美清纯卡通| 黑丝袜美女国产一区| 亚洲综合色惰| 中文字幕制服av| 只有这里有精品99| 最近的中文字幕免费完整| av在线蜜桃| 亚洲怡红院男人天堂| 中文字幕制服av| 成人综合一区亚洲| 欧美最新免费一区二区三区| 精品少妇久久久久久888优播| 欧美老熟妇乱子伦牲交| 久久ye,这里只有精品| 成人一区二区视频在线观看| 亚洲av男天堂| 久久久久久久国产电影| 国产真实伦视频高清在线观看| 99热6这里只有精品| 两个人的视频大全免费| 国产亚洲欧美精品永久| 日本欧美视频一区| 亚洲国产欧美在线一区| 亚洲美女搞黄在线观看| 欧美日韩精品成人综合77777| 国产亚洲午夜精品一区二区久久| 中文乱码字字幕精品一区二区三区| 大陆偷拍与自拍| 亚洲色图综合在线观看| 成人亚洲精品一区在线观看 | 日韩免费高清中文字幕av| 黄色日韩在线| 免费观看性生交大片5| 色网站视频免费| 高清不卡的av网站| 国产免费福利视频在线观看| 最近手机中文字幕大全| 22中文网久久字幕| 亚洲欧美一区二区三区国产| 欧美日韩精品成人综合77777| 免费看日本二区| 99热网站在线观看| 老熟女久久久| 精品久久国产蜜桃| 人妻 亚洲 视频| 嫩草影院新地址| 99re6热这里在线精品视频| 一区二区三区乱码不卡18| 成人亚洲欧美一区二区av| 丝袜脚勾引网站| 在线看a的网站| 国产亚洲一区二区精品| 国产午夜精品久久久久久一区二区三区| 丝瓜视频免费看黄片| 日韩不卡一区二区三区视频在线| 日本黄色片子视频| 91aial.com中文字幕在线观看| 中文字幕制服av| 26uuu在线亚洲综合色| 成人美女网站在线观看视频| 亚洲精品色激情综合| 欧美成人午夜免费资源| 久久99热这里只有精品18| 热re99久久精品国产66热6| 日本vs欧美在线观看视频 | av黄色大香蕉| av一本久久久久| 国产av一区二区精品久久 | 99热这里只有精品一区| 欧美精品国产亚洲| 免费人成在线观看视频色| 黄色怎么调成土黄色| 亚洲最大成人中文| 视频中文字幕在线观看| 99re6热这里在线精品视频| 亚洲精品国产成人久久av| 久久久久国产网址| 黄色怎么调成土黄色| 亚洲国产高清在线一区二区三| 亚洲综合精品二区| 汤姆久久久久久久影院中文字幕| 一级黄片播放器| 视频区图区小说| 久久久久久人妻| 欧美另类一区| 日日摸夜夜添夜夜添av毛片| 久久国产亚洲av麻豆专区| 国产欧美日韩精品一区二区| 免费观看无遮挡的男女| 伦精品一区二区三区| 2021少妇久久久久久久久久久| 国产成人精品福利久久| 日韩亚洲欧美综合| 亚洲第一区二区三区不卡| 日本黄色片子视频| 深夜a级毛片| 老师上课跳d突然被开到最大视频| 亚洲av.av天堂| 久久这里有精品视频免费| 免费av中文字幕在线| 国产白丝娇喘喷水9色精品| 欧美日韩视频高清一区二区三区二| 亚洲av二区三区四区| 国产免费一区二区三区四区乱码| 中文字幕av成人在线电影| 最近2019中文字幕mv第一页| 亚洲欧洲国产日韩| 直男gayav资源| 亚洲精品国产色婷婷电影| 国产成人午夜福利电影在线观看| videossex国产| 日本免费在线观看一区| 精品人妻熟女av久视频| 免费观看av网站的网址| 秋霞在线观看毛片| 中文字幕av成人在线电影| 在线免费观看不下载黄p国产| 亚洲一区二区三区欧美精品| 蜜桃亚洲精品一区二区三区| 看非洲黑人一级黄片| 午夜免费观看性视频| 一边亲一边摸免费视频| 日韩在线高清观看一区二区三区| 色视频在线一区二区三区| 女性生殖器流出的白浆| 毛片一级片免费看久久久久| 亚洲激情五月婷婷啪啪| 一级毛片我不卡| 蜜臀久久99精品久久宅男| 性色av一级| 亚洲国产欧美在线一区| 国产一区有黄有色的免费视频| 午夜免费鲁丝| 麻豆成人av视频| 女性被躁到高潮视频| 久久久久久九九精品二区国产| 热re99久久精品国产66热6| 国产精品国产三级专区第一集| 又爽又黄a免费视频| 深爱激情五月婷婷| 国产成人freesex在线| 夜夜骑夜夜射夜夜干| 国产爱豆传媒在线观看| 欧美成人午夜免费资源| 免费观看a级毛片全部| 亚洲精品一区蜜桃| 亚洲精品色激情综合| 欧美+日韩+精品| 偷拍熟女少妇极品色| 精品亚洲乱码少妇综合久久| 狂野欧美激情性xxxx在线观看| 人妻一区二区av| 国产老妇伦熟女老妇高清| 免费观看在线日韩| 中文字幕亚洲精品专区| 少妇人妻 视频| 久热这里只有精品99|