• <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
    妹子高潮喷水视频| 夜夜爽天天搞| 久久九九热精品免费| 亚洲成人久久爱视频| 99精品久久久久人妻精品| 亚洲免费av在线视频| 一级黄色大片毛片| 国产不卡一卡二| 黄色女人牲交| 最近最新中文字幕大全免费视频| 黄色片一级片一级黄色片| 特大巨黑吊av在线直播 | 国产欧美日韩一区二区三| 琪琪午夜伦伦电影理论片6080| 免费电影在线观看免费观看| 亚洲av第一区精品v没综合| 亚洲精品色激情综合| 香蕉丝袜av| 国产色视频综合| 可以免费在线观看a视频的电影网站| 高潮久久久久久久久久久不卡| 国产免费男女视频| ponron亚洲| 午夜福利一区二区在线看| 免费高清在线观看日韩| 可以在线观看的亚洲视频| 国产精品一区二区免费欧美| 亚洲三区欧美一区| 日韩欧美三级三区| 一本一本综合久久| 国内久久婷婷六月综合欲色啪| 9191精品国产免费久久| 久久婷婷成人综合色麻豆| 亚洲男人天堂网一区| 一边摸一边抽搐一进一小说| 最新美女视频免费是黄的| 国产乱人伦免费视频| 亚洲国产毛片av蜜桃av| 亚洲熟妇熟女久久| 免费人成视频x8x8入口观看| xxxwww97欧美| 9191精品国产免费久久| 12—13女人毛片做爰片一| 亚洲精品久久成人aⅴ小说| 天天添夜夜摸| 国产成人av教育| 国产aⅴ精品一区二区三区波| 又黄又粗又硬又大视频| 亚洲精品一区av在线观看| 天堂动漫精品| 亚洲成av人片免费观看| 欧美日韩福利视频一区二区| 日韩有码中文字幕| 亚洲成人久久爱视频| 97超级碰碰碰精品色视频在线观看| 久久草成人影院| 色av中文字幕| 国产激情偷乱视频一区二区| 亚洲一区二区三区色噜噜| 亚洲片人在线观看| 国产一区二区三区在线臀色熟女| 麻豆国产av国片精品| 国产精品久久电影中文字幕| 日韩精品中文字幕看吧| 成人三级黄色视频| 90打野战视频偷拍视频| 国产极品粉嫩免费观看在线| 成人一区二区视频在线观看| 色哟哟哟哟哟哟| 丰满的人妻完整版| 中亚洲国语对白在线视频| 国产单亲对白刺激| 少妇熟女aⅴ在线视频| 日本五十路高清| 国产欧美日韩精品亚洲av| 亚洲五月天丁香| 国产单亲对白刺激| 亚洲国产精品合色在线| 国产又爽黄色视频| 国产伦人伦偷精品视频| 免费在线观看成人毛片| 黄片播放在线免费| 久久香蕉精品热| 国产真人三级小视频在线观看| 久久久久久久午夜电影| 99精品久久久久人妻精品| 91大片在线观看| www日本在线高清视频| 日韩精品青青久久久久久| 亚洲熟妇中文字幕五十中出| 久久九九热精品免费| 国产亚洲欧美精品永久| 不卡av一区二区三区| www.自偷自拍.com| 成人亚洲精品一区在线观看| 国产国语露脸激情在线看| 我的亚洲天堂| 亚洲精品在线美女| 亚洲国产欧洲综合997久久, | 成人国产综合亚洲| 亚洲第一av免费看| 欧美zozozo另类| 日韩一卡2卡3卡4卡2021年| 啦啦啦观看免费观看视频高清| 久久国产精品影院| 亚洲第一青青草原| 人成视频在线观看免费观看| 成人亚洲精品av一区二区| 欧美乱色亚洲激情| 18禁黄网站禁片免费观看直播| 一个人免费在线观看的高清视频| 国产日本99.免费观看| 国产激情欧美一区二区| 欧美+亚洲+日韩+国产| 亚洲国产欧洲综合997久久, | 国产一区二区三区在线臀色熟女| 日韩三级视频一区二区三区| 国产成人精品久久二区二区91| 亚洲成av人片免费观看| 成人18禁高潮啪啪吃奶动态图| 老熟妇乱子伦视频在线观看| 国产蜜桃级精品一区二区三区| а√天堂www在线а√下载| 99久久精品国产亚洲精品| 99久久99久久久精品蜜桃| 悠悠久久av| 免费在线观看完整版高清| 视频区欧美日本亚洲| 大香蕉久久成人网| 欧美日本视频| 午夜福利一区二区在线看| 免费人成视频x8x8入口观看| 中文在线观看免费www的网站 | 99国产精品一区二区三区| 亚洲真实伦在线观看| 淫秽高清视频在线观看| 欧美黄色淫秽网站| 手机成人av网站| 欧美日韩精品网址| 精品乱码久久久久久99久播| 一级作爱视频免费观看| www.精华液| 国产激情偷乱视频一区二区| 亚洲国产精品合色在线| 身体一侧抽搐| 波多野结衣高清无吗| 国产午夜福利久久久久久| 精品不卡国产一区二区三区| 男女午夜视频在线观看| 精品国产一区二区三区四区第35| 亚洲精品国产区一区二| 两个人免费观看高清视频| 视频区欧美日本亚洲| 午夜亚洲福利在线播放| www.www免费av| 久久性视频一级片| 好男人在线观看高清免费视频 | 精品久久久久久久久久久久久 | 婷婷亚洲欧美| 欧美成人免费av一区二区三区| av超薄肉色丝袜交足视频| 无人区码免费观看不卡| 最近最新中文字幕大全电影3 | 不卡一级毛片| 神马国产精品三级电影在线观看 | 成人三级黄色视频| 99国产综合亚洲精品| 久久久精品国产亚洲av高清涩受| 久久青草综合色| 日本黄色视频三级网站网址| 欧美激情 高清一区二区三区| 午夜免费激情av| 免费观看精品视频网站| 亚洲国产欧美日韩在线播放| 一区福利在线观看| 日本免费a在线| 两人在一起打扑克的视频| 成人精品一区二区免费| 自线自在国产av| 欧美激情极品国产一区二区三区| 制服诱惑二区| 精品久久久久久久久久免费视频| 一级黄色大片毛片| 美女大奶头视频| 亚洲无线在线观看| 禁无遮挡网站| 国产人伦9x9x在线观看| 久久久久国产精品人妻aⅴ院| 亚洲美女黄片视频| 美女高潮到喷水免费观看| 在线观看免费日韩欧美大片| 国产高清videossex| 国产精品1区2区在线观看.| 久久国产精品男人的天堂亚洲| 日韩欧美免费精品| 人人妻人人澡人人看| 色av中文字幕| 中文字幕最新亚洲高清| 中文字幕精品免费在线观看视频| av在线播放免费不卡| 99在线视频只有这里精品首页| 两性午夜刺激爽爽歪歪视频在线观看 | 97碰自拍视频| 精品久久久久久久末码| 搡老熟女国产l中国老女人| 黄色女人牲交| www国产在线视频色| 一区二区三区激情视频| 国产主播在线观看一区二区| 日韩三级视频一区二区三区| 久久亚洲真实| e午夜精品久久久久久久| 麻豆一二三区av精品| 少妇熟女aⅴ在线视频| 亚洲国产毛片av蜜桃av| 亚洲人成77777在线视频| 18禁裸乳无遮挡免费网站照片 | 日韩中文字幕欧美一区二区| 国产高清激情床上av| 色精品久久人妻99蜜桃| 久久久久久亚洲精品国产蜜桃av| www.熟女人妻精品国产| 麻豆一二三区av精品| 亚洲专区中文字幕在线| 国产亚洲欧美在线一区二区| 午夜精品久久久久久毛片777| 50天的宝宝边吃奶边哭怎么回事| 欧美成人午夜精品| 一进一出好大好爽视频| 18禁裸乳无遮挡免费网站照片 | 日韩中文字幕欧美一区二区| 99精品欧美一区二区三区四区| 禁无遮挡网站| 午夜免费鲁丝| 成人国产一区最新在线观看| 黑丝袜美女国产一区| 日本在线视频免费播放| 亚洲av成人不卡在线观看播放网| 国产精华一区二区三区| 亚洲最大成人中文| 黄色视频,在线免费观看| 人人澡人人妻人| 97人妻精品一区二区三区麻豆 | 亚洲av五月六月丁香网| 天堂动漫精品| 中文字幕最新亚洲高清| 国产主播在线观看一区二区| 老司机午夜福利在线观看视频| 999精品在线视频| а√天堂www在线а√下载| 日日爽夜夜爽网站| 中文字幕人妻丝袜一区二区| 欧美大码av| 搡老岳熟女国产| 国产极品粉嫩免费观看在线| 久久婷婷成人综合色麻豆| 啪啪无遮挡十八禁网站| 老司机深夜福利视频在线观看| 19禁男女啪啪无遮挡网站| 欧洲精品卡2卡3卡4卡5卡区| www日本黄色视频网| 99久久国产精品久久久| 少妇粗大呻吟视频| 久久午夜亚洲精品久久| 黄网站色视频无遮挡免费观看| 日本a在线网址| 看片在线看免费视频| 少妇被粗大的猛进出69影院| 可以免费在线观看a视频的电影网站| 国产高清视频在线播放一区| 久久午夜亚洲精品久久| 亚洲三区欧美一区| 麻豆av在线久日| 亚洲自偷自拍图片 自拍| 国产一区二区在线av高清观看| 国产精品永久免费网站| 国内揄拍国产精品人妻在线 | 日韩欧美 国产精品| 一个人观看的视频www高清免费观看 | 国产精品 国内视频| 香蕉久久夜色| 国产精品自产拍在线观看55亚洲| 波多野结衣巨乳人妻| 久久精品国产清高在天天线| 午夜久久久在线观看| 日韩精品青青久久久久久| 亚洲五月婷婷丁香| 一二三四在线观看免费中文在| 成在线人永久免费视频| 真人做人爱边吃奶动态| 国产欧美日韩精品亚洲av| 久久久久精品国产欧美久久久| 国产三级在线视频| 国内精品久久久久久久电影| 国产爱豆传媒在线观看 | 国产精品久久电影中文字幕| 日韩 欧美 亚洲 中文字幕| 精品熟女少妇八av免费久了| 亚洲精品国产区一区二| 禁无遮挡网站| 一级黄色大片毛片| 最近最新中文字幕大全免费视频| av电影中文网址| 亚洲av美国av| 黄色丝袜av网址大全| 18禁黄网站禁片免费观看直播| 99热6这里只有精品| 国产一级毛片七仙女欲春2 | 自线自在国产av| tocl精华| 亚洲精品在线美女| 久久九九热精品免费| 一级a爱视频在线免费观看| 亚洲七黄色美女视频| 女人爽到高潮嗷嗷叫在线视频| 亚洲精品国产精品久久久不卡| 级片在线观看| 国产91精品成人一区二区三区| 99热这里只有精品一区 | 婷婷亚洲欧美| 亚洲aⅴ乱码一区二区在线播放 | www日本黄色视频网| 99久久精品国产亚洲精品| 国产爱豆传媒在线观看 | 日日夜夜操网爽| 宅男免费午夜| 亚洲欧洲精品一区二区精品久久久| 无遮挡黄片免费观看| 精品无人区乱码1区二区| 老熟妇仑乱视频hdxx| 禁无遮挡网站| 亚洲一区二区三区色噜噜| 中国美女看黄片| 老司机在亚洲福利影院| 一个人观看的视频www高清免费观看 | 给我免费播放毛片高清在线观看| 变态另类成人亚洲欧美熟女| 视频在线观看一区二区三区| 熟女电影av网| 嫁个100分男人电影在线观看| 精品福利观看| 母亲3免费完整高清在线观看| 两性午夜刺激爽爽歪歪视频在线观看 | 狠狠狠狠99中文字幕| 国产成+人综合+亚洲专区| 女性生殖器流出的白浆| 亚洲国产欧美网| 国产黄a三级三级三级人| 精品国产乱子伦一区二区三区| 亚洲男人天堂网一区| 国产又黄又爽又无遮挡在线| 免费电影在线观看免费观看| 亚洲人成网站高清观看| 免费在线观看完整版高清| 天堂影院成人在线观看| 久久99热这里只有精品18| 亚洲国产精品久久男人天堂| 国产av一区二区精品久久| 国产v大片淫在线免费观看| 国产成人系列免费观看| 成年女人毛片免费观看观看9| 国产精品久久久久久亚洲av鲁大| 热99re8久久精品国产| 老司机靠b影院| 国产欧美日韩一区二区精品| 12—13女人毛片做爰片一| 欧美色视频一区免费| 动漫黄色视频在线观看| tocl精华| 91字幕亚洲| 三级毛片av免费| 日韩欧美国产一区二区入口| 在线看三级毛片| 女人高潮潮喷娇喘18禁视频| 久久久国产成人精品二区| 波多野结衣av一区二区av| 桃色一区二区三区在线观看| 久久久国产欧美日韩av| 国产v大片淫在线免费观看| 久久国产精品男人的天堂亚洲| 欧美成人免费av一区二区三区| 一级a爱片免费观看的视频| 91麻豆av在线| 少妇被粗大的猛进出69影院| 亚洲在线自拍视频| 久久久久久国产a免费观看| 中文字幕久久专区| 90打野战视频偷拍视频| 又黄又粗又硬又大视频| cao死你这个sao货| 国产亚洲精品久久久久久毛片| 丝袜人妻中文字幕| 老汉色∧v一级毛片| 国产av又大| 99久久久亚洲精品蜜臀av| 欧美日韩福利视频一区二区| 亚洲真实伦在线观看| 国产精品亚洲av一区麻豆| 久久国产乱子伦精品免费另类| 亚洲第一欧美日韩一区二区三区| 亚洲片人在线观看| 国产又黄又爽又无遮挡在线| 国产av不卡久久| 看片在线看免费视频| 亚洲av电影在线进入| 91在线观看av| 丁香欧美五月| 亚洲国产精品久久男人天堂| 亚洲,欧美精品.| 人人澡人人妻人| 黄色视频不卡| 欧美乱码精品一区二区三区| 91av网站免费观看| 国产精品一区二区精品视频观看| 午夜福利视频1000在线观看| 午夜视频精品福利| 国产日本99.免费观看| 久久人人精品亚洲av| 成人国语在线视频| 国产高清激情床上av| 国产aⅴ精品一区二区三区波| 亚洲国产欧洲综合997久久, | 男女之事视频高清在线观看| 激情在线观看视频在线高清| 午夜福利视频1000在线观看| 自线自在国产av| 最新在线观看一区二区三区| 国产主播在线观看一区二区| 淫妇啪啪啪对白视频| 国产亚洲欧美在线一区二区| 国产亚洲精品一区二区www| 免费女性裸体啪啪无遮挡网站| 少妇熟女aⅴ在线视频| 中亚洲国语对白在线视频| 久久精品91蜜桃| 久99久视频精品免费| 国产av在哪里看| 亚洲人成电影免费在线| 自线自在国产av| 女人被狂操c到高潮| av在线播放免费不卡| 久久午夜综合久久蜜桃| 久久久久久国产a免费观看| 韩国av一区二区三区四区| 久久精品国产亚洲av高清一级| 亚洲专区国产一区二区| 中文字幕人妻熟女乱码| 2021天堂中文幕一二区在线观 | 国产精品久久久久久精品电影 | 日本免费a在线| 免费无遮挡裸体视频| 禁无遮挡网站| 好男人电影高清在线观看| 亚洲欧美激情综合另类| 搡老岳熟女国产| 色尼玛亚洲综合影院| 日本精品一区二区三区蜜桃| 久久精品国产综合久久久| 少妇裸体淫交视频免费看高清 | 妹子高潮喷水视频| 日韩一卡2卡3卡4卡2021年| 国产真人三级小视频在线观看| 亚洲第一电影网av| 午夜福利一区二区在线看| 欧美一级a爱片免费观看看 | 久久久国产成人精品二区| 欧美黑人精品巨大| 免费观看精品视频网站| 免费看美女性在线毛片视频| 麻豆成人av在线观看| 后天国语完整版免费观看| 久久欧美精品欧美久久欧美| 午夜久久久在线观看| 免费在线观看完整版高清| 亚洲中文日韩欧美视频| 欧美成人性av电影在线观看| 999久久久精品免费观看国产| 很黄的视频免费| 男女下面进入的视频免费午夜 | 少妇被粗大的猛进出69影院| 精品第一国产精品| 91成年电影在线观看| 国产精品国产高清国产av| 18禁裸乳无遮挡免费网站照片 | 两性夫妻黄色片| 人人妻,人人澡人人爽秒播| 色综合欧美亚洲国产小说| 久久久久久久久久黄片| 中文资源天堂在线| 大型av网站在线播放| 久久久久久免费高清国产稀缺| 日韩有码中文字幕| 亚洲国产看品久久| 高潮久久久久久久久久久不卡| 欧美日韩中文字幕国产精品一区二区三区| 久久精品亚洲精品国产色婷小说| av超薄肉色丝袜交足视频| 国产高清视频在线播放一区| 老司机福利观看| 黄片小视频在线播放| 亚洲av中文字字幕乱码综合 | 亚洲国产高清在线一区二区三 | 亚洲三区欧美一区| 欧美色欧美亚洲另类二区| 久久亚洲精品不卡| 久久 成人 亚洲| 亚洲av熟女| 夜夜看夜夜爽夜夜摸| 午夜激情福利司机影院| 午夜福利一区二区在线看| 日日摸夜夜添夜夜添小说| 日韩欧美免费精品| 欧美三级亚洲精品| 国产成人欧美在线观看| 国产成年人精品一区二区| 香蕉久久夜色| 大香蕉久久成人网| 色在线成人网| 91老司机精品| а√天堂www在线а√下载| 999久久久精品免费观看国产| 最新在线观看一区二区三区| 黄片小视频在线播放| 在线观看舔阴道视频| 色精品久久人妻99蜜桃| 久久欧美精品欧美久久欧美| 久久久久精品国产欧美久久久| 午夜福利免费观看在线| 久久国产精品影院| 国内精品久久久久久久电影| 久久天堂一区二区三区四区| 亚洲av成人一区二区三| 日韩高清综合在线| 午夜免费成人在线视频| 91大片在线观看| 欧美性猛交╳xxx乱大交人| 亚洲专区国产一区二区| 免费在线观看成人毛片| 国产私拍福利视频在线观看| 香蕉久久夜色| 两性夫妻黄色片| 丁香欧美五月| 日日夜夜操网爽| 免费搜索国产男女视频| 韩国精品一区二区三区| 伦理电影免费视频| 国产精品av久久久久免费| 女同久久另类99精品国产91| 久久这里只有精品19| 免费av毛片视频| 中文资源天堂在线| 青草久久国产| 啦啦啦免费观看视频1| 久久青草综合色| 免费人成视频x8x8入口观看| 欧美+亚洲+日韩+国产| 高清在线国产一区| 极品教师在线免费播放| 久久久久久免费高清国产稀缺| 国产v大片淫在线免费观看| 久久久水蜜桃国产精品网| 成年版毛片免费区| 女警被强在线播放| 精品国产美女av久久久久小说| 91九色精品人成在线观看| 青草久久国产| 日韩 欧美 亚洲 中文字幕| 国产激情偷乱视频一区二区| 视频在线观看一区二区三区| 亚洲美女黄片视频| 一级毛片女人18水好多| 夜夜爽天天搞| 女人高潮潮喷娇喘18禁视频| 精品一区二区三区av网在线观看| 最近最新中文字幕大全免费视频| 午夜福利高清视频| 伦理电影免费视频| 日本免费a在线| 久久久久久人人人人人| 美女扒开内裤让男人捅视频| 久久久久久大精品| 亚洲 欧美 日韩 在线 免费| 成年免费大片在线观看| 免费高清视频大片| 婷婷亚洲欧美| 在线看三级毛片| 男女床上黄色一级片免费看| 曰老女人黄片| 日本撒尿小便嘘嘘汇集6| 久久久久久久久久黄片| 欧美激情久久久久久爽电影| 中文字幕精品亚洲无线码一区 | 特大巨黑吊av在线直播 | 老司机在亚洲福利影院| 亚洲欧美激情综合另类| 波多野结衣高清作品| 激情在线观看视频在线高清| aaaaa片日本免费| 国产精品一区二区三区四区久久 | 免费观看人在逋| 老熟妇仑乱视频hdxx| 级片在线观看| 51午夜福利影视在线观看| 伊人久久大香线蕉亚洲五| 精品第一国产精品| cao死你这个sao货| av中文乱码字幕在线| 中文字幕久久专区| 午夜福利在线观看吧| 男女午夜视频在线观看| 成人一区二区视频在线观看| 在线观看午夜福利视频| 久久国产精品男人的天堂亚洲| 色综合婷婷激情| tocl精华|