• <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 ?

    利用改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)的光伏I-V特性建模方法

    2022-04-28 09:53:30羅林祿陳志聰吳麗君林培杰程樹英
    關(guān)鍵詞:輻照度粒子神經(jīng)網(wǎng)絡(luò)

    羅林祿,陳志聰,吳麗君,林培杰,程樹英

    (福州大學(xué)物理與信息工程學(xué)院,微納器件與太陽能電池研究所,福建 福州 350108)

    0 引言

    對于穩(wěn)定可靠的光伏系統(tǒng)設(shè)計(jì)來說,高效、快速、準(zhǔn)確的I-V特性建模必不可少. 光伏I-V特性建??捎糜谠S多目的,例如I-V曲線物理參數(shù)的實(shí)時(shí)辨識[1-2],最大功率點(diǎn)跟蹤(maximum power point tracking,MPPT)的研究[3],光伏陣列的功率預(yù)測研究[4],光伏組件的故障診斷、故障定位研究[5]. 因此,建立準(zhǔn)確有效的光伏I-V輸出特性曲線預(yù)測模型對光伏發(fā)電系統(tǒng)的設(shè)計(jì)與研究具有重大的意義.

    目前,國內(nèi)外學(xué)者對I-V曲線建模的研究主要可分為兩類: 基于等效電路和參數(shù)方程的白盒預(yù)測模型、基于數(shù)據(jù)驅(qū)動(dòng)和機(jī)器學(xué)習(xí)的黑盒預(yù)測模型. 在白盒模型方面,利用等效雙二極管方程作為I-V曲線的擬合方程,使用光伏組件制造商提供的關(guān)鍵點(diǎn)信息和一些電氣參數(shù),包括標(biāo)準(zhǔn)測試條件下的短路電流點(diǎn)、開路電壓點(diǎn)、最大功率點(diǎn)以及溫度系數(shù),然后通過差分進(jìn)化算法提取標(biāo)準(zhǔn)測試條件下的公共參數(shù),再根據(jù)物理參數(shù)與環(huán)境條件的轉(zhuǎn)換方程,計(jì)算出實(shí)際條件下的參數(shù),從而代入雙二極管方程計(jì)算得出電流,實(shí)現(xiàn)I-V曲線的預(yù)測[6]. 白盒模型的另一種方法是根據(jù)等效單二極管方程,使用解析法提取方程中的物理參數(shù),進(jìn)而預(yù)測I-V曲線[7]. 這些白盒建模方法的前提都是基于已知的等效電路和經(jīng)驗(yàn)公式,并且依賴于導(dǎo)致準(zhǔn)確性受到損害的參數(shù)假設(shè),預(yù)測精度較低. 相比之下,基于機(jī)器學(xué)習(xí)和大量實(shí)測數(shù)據(jù)集的黑盒模型,能夠?qū)W習(xí)到任意實(shí)測條件下的I-V曲線信息,并且具有強(qiáng)大的非線性擬合能力,極大地提高了建模的穩(wěn)定性和準(zhǔn)確性.

    在黑盒模型方面,一些機(jī)器學(xué)習(xí)算法和深度神經(jīng)網(wǎng)絡(luò)被用于I-V曲線建模,例如利用多層感知機(jī)算法[8]、廣義回歸神經(jīng)網(wǎng)絡(luò)(general regression neural network,GRNN)和級聯(lián)正向神經(jīng)網(wǎng)絡(luò)算法[9]進(jìn)行建模,模型的輸入為輻照度、溫度、電壓,輸出為電流,通過對大量I-V曲線數(shù)據(jù)進(jìn)行訓(xùn)練,從而獲得預(yù)測模型. 此外,也有使用一維殘差網(wǎng)絡(luò)模型[10],輸入設(shè)定為輻照度、光伏組件背表面溫度、電壓,輸出為整條I-V曲線,通過訓(xùn)練實(shí)測數(shù)據(jù)集,實(shí)現(xiàn)整條曲線的預(yù)測. 這些主流黑盒模型的環(huán)境因素輸入僅僅局限于輻照度和環(huán)境溫度或是輻照度和背板溫度,并未對其他環(huán)境因素進(jìn)行實(shí)驗(yàn)分析. 同時(shí),這些黑盒模型的初始值是通過隨機(jī)初始化得到,這使模型的預(yù)測結(jié)果不穩(wěn)定. 對于深度殘差網(wǎng)絡(luò)模型而言,整條I-V曲線的預(yù)測是難以實(shí)現(xiàn)的,因?yàn)椴煌r下的開路電壓并不能提前獲得,這就導(dǎo)致了模型的輸入電壓不完整,從而使I-V曲線的預(yù)測不完整. 為解決現(xiàn)有黑盒模型存在的缺陷,本研究提出一種改進(jìn)的Elman神經(jīng)網(wǎng)絡(luò)模型,使用量子粒子群(quantum particle swarm optimization,QPSO)算法對Elman網(wǎng)絡(luò)的初始值進(jìn)行優(yōu)化,解決模型不穩(wěn)定和精度較低的問題; 同時(shí)對輸入特征進(jìn)行選擇分析,使用更多特征進(jìn)行建模,從而建立一個(gè)更加穩(wěn)定、準(zhǔn)確的光伏I-V特性曲線黑盒預(yù)測模型.

    1 影響光伏I-V特性曲線預(yù)測的因素

    在理想情況下,影響輸出特性的環(huán)境因素主要是光伏組件接收的輻照度、光伏組件的溫度. 但在實(shí)際工作過程中,影響光伏陣列輸出特性的因素還包括了環(huán)境溫度、濕度、風(fēng)速、風(fēng)向、降水量、散射輻照度等[11],這些環(huán)境因素的影響程度各不相同. 為了進(jìn)一步提高預(yù)測模型的精確度,研究其他環(huán)境因素對預(yù)測結(jié)果的影響就尤為重要. 本研究采用皮爾森系數(shù)來分析輸出特性與各個(gè)環(huán)境因素的相關(guān)程度,從而最終選取模型的輸入特征. 皮爾森公式如下:

    (1)

    表1 環(huán)境因素的相關(guān)系數(shù)

    通過計(jì)算環(huán)境因素的皮爾森相關(guān)系數(shù),并根據(jù)系數(shù)的絕對值大小進(jìn)行相關(guān)程度分析,最終選擇的環(huán)境因素為: 光伏陣列平面輻照度、光伏組件背表面溫度、環(huán)境溫度、濕度. 同時(shí),模型的輸入還需要電壓,這與光伏I-V曲線方程有關(guān),I-V曲線表達(dá)式如下:

    (2)

    其中:I表示電流;V表示電壓;Iph表示光電流;Is表示二極管反向飽和電流;q表示電子電荷;k表示玻爾茲曼常數(shù);n表示理想因子;T表示溫度;Rs、Rp分別表示串聯(lián)電阻和并聯(lián)電阻.因此,本研究最終選擇這五個(gè)因素作為模型輸入進(jìn)行建模預(yù)測.

    2 基于QPSO-Elman的光伏I-V特性曲線預(yù)測模型

    2.1 Elman神經(jīng)網(wǎng)絡(luò)

    圖1 Elman神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 Elman neural network structure

    Elman神經(jīng)網(wǎng)絡(luò)是一種反饋型神經(jīng)網(wǎng)絡(luò),與前饋式網(wǎng)絡(luò)相比多了一層承接層. 隱藏層的輸出作為承接層的輸入,承接層的輸出反饋至輸入層,使得網(wǎng)絡(luò)對歷史數(shù)據(jù)具有記憶的功能,提高了網(wǎng)絡(luò)的穩(wěn)定性和計(jì)算能力[12]. Elman神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖1所示. 以圖1為例,Elman網(wǎng)絡(luò)的數(shù)學(xué)模型表達(dá)式為:

    (3)

    式中:y(k)是輸出向量;x(k)是隱藏層輸出向量;xc(k)是承接層輸出向量;u(k)是輸入向量;ω1是承接層到隱藏層的連接權(quán)值;ω2是輸入層到隱藏層的連接權(quán)值;ω3是隱藏層到輸出層的連接權(quán)值;g(·)是輸出層傳遞函數(shù);f(·)是隱藏層傳遞函數(shù)[13].

    Elman網(wǎng)絡(luò)采用的權(quán)值修正函數(shù)為誤差平方和函數(shù),表達(dá)式為:

    (4)

    2.2 QPSO算法優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)

    粒子群優(yōu)化算法(particle swarm optimization,PSO)是一種啟發(fā)式搜索算法,具有計(jì)算簡單、易實(shí)現(xiàn)的優(yōu)點(diǎn),自1995年提出以來,引起了許多國內(nèi)外學(xué)者的關(guān)注和研究[14]. 標(biāo)準(zhǔn)PSO算法的尋優(yōu)過程為: 在n維搜索空間中有m個(gè)粒子,每個(gè)粒子表示一個(gè)潛在的最優(yōu)解,粒子在搜索空間的飛行過程為該粒子的搜索過程. 粒子具有速度和位置兩種屬性,速度代表粒子移動(dòng)的快慢,位置代表移動(dòng)的方向. 粒子的速度和位置更新公式如下式所示,通過不斷迭代,獲得滿足終止條件的最優(yōu)個(gè)體極值,即搜索空間的一個(gè)最優(yōu)解.

    (5)

    PSO算法需要設(shè)置的參數(shù)較多,位置變化缺少隨機(jī)性,存在收斂速度慢,易陷入局部最優(yōu)的缺點(diǎn),為了克服這些缺點(diǎn),許多改進(jìn)的PSO相繼被提出,量子粒子群(QPSO)算法是其中一種改進(jìn)算法[14]. QPSO算法引入了粒子歷史最好位置平均值mbest的概念,其計(jì)算公式為;

    (6)

    式中:m表示粒子種群大??;pbest_i表示當(dāng)前迭代的第i個(gè)粒子的歷史最優(yōu)位置矢量.

    粒子位置更新公式改進(jìn)為:

    (7)

    式中:φ、u為區(qū)間(0, 1)上的均勻分布數(shù)值;λ為創(chuàng)新參數(shù); 一般λ不大于1. 相比標(biāo)準(zhǔn)的PSO算法,QPSO算法的控制參數(shù)更少,只需要控制λ這個(gè)參數(shù). 此外,PSO算法是速度-位移模型,QPSO算法簡化為僅有位移的模型,加快算法的迭代速度. 并且量子系統(tǒng)的粒子可以分布在任何位置,從而真正實(shí)現(xiàn)在約束范圍內(nèi)全局搜索,提高了全局搜索能力,避免陷入局部最優(yōu)的問題.

    由于傳統(tǒng)的Elman神經(jīng)網(wǎng)絡(luò)采用梯度下降的方法進(jìn)行權(quán)值更新,并且權(quán)值和閾值隨機(jī)初始化,這導(dǎo)致了訓(xùn)練過程容易陷入局部最優(yōu),使每次訓(xùn)練結(jié)果存在不穩(wěn)定性的問題,網(wǎng)絡(luò)的預(yù)測結(jié)果存在較大誤差. 為了解決單一Elman網(wǎng)絡(luò)預(yù)測精度不足、預(yù)測結(jié)果不穩(wěn)定以及收斂速度慢的問題,選擇用QPSO算法優(yōu)化Elman網(wǎng)絡(luò)的初始權(quán)值和閾值. QPSO-Elman的設(shè)計(jì)流程圖如圖2所示.

    圖2 QPSO-Elman預(yù)測模型流程圖Fig.2 Flowchart of QPSO-Elman forecasting model

    設(shè)計(jì)主要分為兩個(gè)部分: Elman網(wǎng)絡(luò)模型部分和QPSO算法優(yōu)化部分. 利用QPSO的全局搜索能力,以Elman網(wǎng)絡(luò)的誤差平方和函數(shù)作為QPSO算法的適應(yīng)度目標(biāo)函數(shù); QPSO算法在權(quán)值和閾值的取值范圍內(nèi)迭代尋找全局最優(yōu)值,并將迭代計(jì)算結(jié)果作為Elman網(wǎng)絡(luò)的初始值,取代單一Elman網(wǎng)絡(luò)隨機(jī)選擇初始值的方法,從而達(dá)到提高網(wǎng)絡(luò)預(yù)測精度、穩(wěn)定性和訓(xùn)練速度的目的.

    QPSO-Elman神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)步驟為:

    1) 根據(jù)擬解決問題的輸入和輸出,確定Elman神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu),確定網(wǎng)絡(luò)輸入層、隱藏層、承接層以及輸出層的節(jié)點(diǎn)個(gè)數(shù),從而確定QPSO算法的維數(shù).

    2) 對輸入數(shù)據(jù)進(jìn)行下采樣、網(wǎng)格采樣以及歸一化處理.

    3) 根據(jù)網(wǎng)絡(luò)結(jié)構(gòu),對QPSO算法的種群粒子進(jìn)行初始化編碼. 網(wǎng)絡(luò)的每一個(gè)權(quán)值和閾值表示粒子的每一個(gè)維度. 設(shè)定種群規(guī)模、粒子維數(shù)和取值范圍,設(shè)置QPSO算法的迭代次數(shù)和誤差容限,初始化各個(gè)粒子的數(shù)值.

    4) 計(jì)算個(gè)體極值和種群極值,以式(4)作為適應(yīng)度的判斷標(biāo)準(zhǔn),計(jì)算適應(yīng)度值,根據(jù)式(6)、式(7)更新粒子的位置.

    5) 判斷QPSO算法是否達(dá)到最大迭代次數(shù)或適應(yīng)度目標(biāo)函數(shù)是否達(dá)到誤差容限,是,則QPSO算法優(yōu)化結(jié)束; 否,則返回步驟4)繼續(xù)執(zhí)行.

    6) 將QPSO算法迭代計(jì)算的最優(yōu)粒子結(jié)果映射為Elman網(wǎng)絡(luò)的初始權(quán)值和閾值,設(shè)置Elman網(wǎng)絡(luò)訓(xùn)練的最大次數(shù)、訓(xùn)練函數(shù)以及誤差容限進(jìn)行訓(xùn)練.

    7) 以網(wǎng)絡(luò)輸出的結(jié)果建立QPSO-Elman預(yù)測模型,算法結(jié)束.

    3 實(shí)驗(yàn)仿真與分析

    3.1 I-V曲線數(shù)據(jù)集預(yù)處理

    圖3 NREL光伏組件及其測量裝置Fig.3 NREL photovoltaic module and its measuring device

    為了驗(yàn)證所提出的I-V建模方法的可行性和推廣性,使用美國國家可再生能源實(shí)驗(yàn)室(National Renewable Energy Laboratory, NREL)提供的太陽能電池板測量數(shù)據(jù)集[15]. 該數(shù)據(jù)集不僅包含由單晶硅(x-Si)、多晶硅(m-Si)、碲化鎘(CdTe)、硒化銅銦(CIGS)、非晶硅(a-Si)、本征薄層異質(zhì)結(jié)(HIT)等六種材料制成的太陽能電池板的I-V輸出特性,還包含相應(yīng)的環(huán)境數(shù)據(jù),例如陣列平面(POA)輻照度、光伏組件后表面溫度、環(huán)境溫度、相對濕度、散射輻照度等. 數(shù)據(jù)集的標(biāo)識分別為xSi11246、mSi0251、CdTe75669、CIGS1-001、HIT05662和aSi03038. 選擇安裝在科羅拉多州Golden地區(qū)的I-V測量數(shù)據(jù),其光伏組件及測量裝置如圖3所示.

    3.1.1I-V曲線數(shù)據(jù)集重采樣及網(wǎng)格采樣

    圖4 下采樣數(shù)據(jù)點(diǎn)與原始數(shù)據(jù)點(diǎn)對比結(jié)果 Fig.4 Comparison results of down sampling data pointsand original data points

    在原始數(shù)據(jù)集中,每條實(shí)測I-V曲線包含接近195個(gè)數(shù)據(jù)點(diǎn). 為了減少數(shù)據(jù)冗余并且平衡I-V曲線數(shù)據(jù)點(diǎn)的分布,提出一種基于電壓電流的雙線性插值方法來重采樣原始I-V曲線. 該方法將曲線上的195個(gè)點(diǎn)進(jìn)行重采樣,采樣點(diǎn)個(gè)數(shù)設(shè)置為50. 具體過程如下: 首先對I-V曲線0 V至開路電壓Voc之間等間隔重采樣30個(gè)電壓點(diǎn),用電壓矢量[V1,V2, …,Vi, …,V30]表示. 然后,在原始I-V曲線中找到最接近Vi的電壓點(diǎn)及該點(diǎn)對應(yīng)的實(shí)測電流,分別表示為(V′i-1,I′i-1)和(V′i+1,I′i+1).最后通過線性差值法,即利用算式(8)計(jì)算采樣電壓Vi相對應(yīng)的電流值Ii. 使用這種插值重采樣方法,能夠在0 V到開路電壓Voc之間均勻采樣30組電壓電流數(shù)據(jù)點(diǎn). 同理,對I-V曲線0 A至短路電流Isc之間等間隔重采樣20個(gè)電流點(diǎn),通過式(8)計(jì)算重采樣電流點(diǎn)Id相對應(yīng)的電壓值Vd,獲得20組均勻的電壓電流數(shù)據(jù)點(diǎn).通過插值,累計(jì)獲得50個(gè)數(shù)據(jù)點(diǎn)對.最后,通過按電壓升序?qū)Σ蓸拥玫降臄?shù)據(jù)點(diǎn)進(jìn)行排序,形成新的重采樣I-V曲線.圖4繪制了部分重采樣的I-V曲線與原始曲線對比結(jié)果,從中可以看出重采樣曲線的數(shù)據(jù)更為合理,既能減少數(shù)據(jù)冗余又能最大程度地保留關(guān)鍵點(diǎn)信息.

    (8)

    在實(shí)測數(shù)據(jù)集中,數(shù)據(jù)樣本的分布非常不均勻. 當(dāng)某些區(qū)間的樣本分布明顯過多或過少時(shí),會(huì)導(dǎo)致模型的過擬合或欠擬合. 為了解決本數(shù)據(jù)集分布不均的問題,本研究中通過網(wǎng)格采樣對現(xiàn)有數(shù)據(jù)進(jìn)行下采樣. 網(wǎng)格采樣的具體步驟如下:

    1) 確定數(shù)據(jù)集的輻照度、溫度范圍,采樣間隔根據(jù)分辨率要求進(jìn)行劃分. 在本研究中,輻照度網(wǎng)格數(shù)目設(shè)置為60,溫度網(wǎng)格數(shù)目設(shè)置為30.

    2)I-V曲線先根據(jù)輻照度進(jìn)行排序和劃分,然后根據(jù)溫度對每個(gè)輻照度網(wǎng)格中的曲線進(jìn)行排序和劃分. 最后,在每個(gè)網(wǎng)格中隨機(jī)選擇一定數(shù)量的I-V曲線,在本研究中將其設(shè)置為2條.

    3) 將網(wǎng)格采樣后的數(shù)據(jù)進(jìn)行隨機(jī)劃分,70%的數(shù)據(jù)作為模型的訓(xùn)練集,30%作為測試集,最終的采樣結(jié)果如表2所示.

    表2 數(shù)據(jù)集預(yù)處理結(jié)果

    3.1.2數(shù)據(jù)歸一化處理

    模型的輸入特征包含輻照度、背板溫度、環(huán)境溫度、相對濕度和電壓,這幾個(gè)特征之間存在較大的數(shù)值差異,為了提高模型的精度和收斂速度,需要對輸入特征進(jìn)行歸一化處理. 本研究選擇Min-Max歸一化,把模型輸入數(shù)據(jù)映射到(0, 1)之間. 歸一化公式為:

    (9)

    其中:X、Xmin、Xmax分別表示模型輸入數(shù)據(jù)、模型輸入數(shù)據(jù)的最小值、最大值.

    3.2 預(yù)測結(jié)果評價(jià)標(biāo)準(zhǔn)

    利用QPSO算法優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)的初始權(quán)重和閾值,通過迭代訓(xùn)練后得到I-V曲線預(yù)測模型. 選用支持向量機(jī)算法模型(support vector machine, SVM)、已發(fā)表文獻(xiàn)中提出的多層感知機(jī)算法模型(multilayer perceptron, MLP)以及未改進(jìn)的Elman神經(jīng)網(wǎng)絡(luò)與本模型進(jìn)行對比. 采用均方根誤差(root mean square error, RMSE)、平均絕對誤差(mean absolute error, MAE)、確定系數(shù)(R2)作為預(yù)測模型的評價(jià)標(biāo)準(zhǔn). 三者的計(jì)算表達(dá)式分別為:

    (10)

    3.3 QPSO-Elman模型結(jié)構(gòu)與參數(shù)確定

    采用Matlab仿真平臺(tái)進(jìn)行實(shí)驗(yàn)驗(yàn)證,選擇NREL數(shù)據(jù)集中的mSi0251、aSi03038這兩種光伏組件進(jìn)行建模預(yù)測.

    1) 確定Elman神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu). 網(wǎng)絡(luò)的輸入為陣列平面輻照度、光伏組件背表面溫度、環(huán)境溫度、相對濕度、電壓,即輸入層節(jié)點(diǎn)數(shù)為5; 輸出為電流,即輸出層節(jié)點(diǎn)數(shù)為1; 隱藏層節(jié)點(diǎn)數(shù)通過湊試法得出. 當(dāng)節(jié)點(diǎn)數(shù)為16時(shí),預(yù)測誤差最小,所以Elman網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)置為5-16-16-1.

    2) 根據(jù)網(wǎng)絡(luò)結(jié)構(gòu),確定QPSO算法的維數(shù). 維數(shù)=輸入層節(jié)點(diǎn)數(shù) × 隱藏層節(jié)點(diǎn)數(shù) + 隱藏層節(jié)點(diǎn)數(shù) × 承接層節(jié)點(diǎn)數(shù) + 隱藏層節(jié)點(diǎn)數(shù) × 輸出層節(jié)點(diǎn)數(shù) + 隱藏層節(jié)點(diǎn)數(shù) + 輸出層節(jié)點(diǎn)數(shù),計(jì)算得出維數(shù)D=369.

    3) 設(shè)置Elman網(wǎng)絡(luò)的訓(xùn)練函數(shù)為“trainscg()函數(shù)”,訓(xùn)練最大次數(shù)為1 000,誤差容限為10-5. 設(shè)置QPSO算法的種群規(guī)模大小為20,迭代次數(shù)為100.

    3.4 實(shí)驗(yàn)結(jié)果與分析

    本研究中,mSi0251數(shù)據(jù)集經(jīng)過預(yù)處理后,訓(xùn)練集包含45 450個(gè)點(diǎn),測試集包含19 500個(gè)點(diǎn); aSi03038數(shù)據(jù)集的訓(xùn)練集包含47 100個(gè)點(diǎn),測試集包含20 200個(gè)點(diǎn). 為了公平合理地對比,選用的MLP網(wǎng)絡(luò)結(jié)構(gòu)與Elman網(wǎng)絡(luò)相同,隱藏層節(jié)點(diǎn)數(shù)都設(shè)置為16個(gè),訓(xùn)練函數(shù)也設(shè)置為相同的trainscg()函數(shù). 在同等配置條件下,每種模型分別獨(dú)立編譯10次,取10次結(jié)果的平均值進(jìn)行仿真驗(yàn)證,各個(gè)模型的預(yù)測結(jié)果如表3所示, 兩種數(shù)據(jù)集的擬合對比圖分別如圖5、圖6所示. 為了直觀地看出擬合效果,將各模型的預(yù)測結(jié)果與真實(shí)值相減并取絕對值,做出絕對誤差對比圖,如圖7、圖8所示.

    表3 不同模型預(yù)測結(jié)果對比

    圖5 mSi0251數(shù)據(jù)集擬合對比 Fig.5 Fitting comparison of mSi0251 dataset

    圖6 aSi03038數(shù)據(jù)集擬合對比 Fig.6 Fitting comparison of aSi03038 dataset

    圖7 mSi0251數(shù)據(jù)集絕對誤差對比 Fig.7 Absolute error comparison of msi0251 dataset

    圖8 aSi03038數(shù)據(jù)集絕對誤差對比 Fig.8 Absolute error comparison of aSi03038 dataset

    由表3可見,在選取的兩種數(shù)據(jù)集上,本研究提出的QPSO-Elman模型在訓(xùn)練集和測試集上的性能指標(biāo)幾乎接近,表明訓(xùn)練的模型沒有過擬合,具有較好的泛化性能. 同時(shí),QPSO-Elman模型的性能均優(yōu)于其他模型. 從aSi03038數(shù)據(jù)集中測試集預(yù)測情況來看,所提出的QPSO-Elman模型的RMSE為0.008 30,未改進(jìn)的Elman模型的RMSE為0.009 29, MLP模型的RMSE為0.010 02,QPSO-Elman模型的預(yù)測誤差相比這兩種模型分別減小了約10.66%和17.16%; 從另一組數(shù)據(jù)集的預(yù)測情況來看,所提出的模型在測試集上的RMSE為0.012 09,未改進(jìn)的模型為0.015 98,相比之下,改進(jìn)后精度提升了24.34%. 而在MAE指標(biāo)上,改進(jìn)后的絕對誤差為0.005 08,改進(jìn)前的誤差為0.006 18,MLP的誤差為0.006 93,誤差分別縮小了17.80%和26.70%. 同時(shí),從確定系數(shù)指標(biāo)來看,QPSO-Elman模型優(yōu)于其他模型,表明擬合效果更好. 圖5顯示了其中三種模型的預(yù)測擬合情況,可以看出,所提出的模型能更好地?cái)M合真實(shí)曲線,兩者幾乎重合. 從圖7、圖8中可以看出,所提出的模型在電壓較小范圍上的預(yù)測電流誤差遠(yuǎn)低于其他模型,并且誤差波動(dòng)小,總體平均誤差也小于其他模型. 仿真結(jié)果表明,在I-V特性曲線建模上,所提出的方法具有更高的精度和泛化性能.

    4 結(jié)語

    針對目前主流的兩種光伏I-V特性曲線建模方法存在的問題,為準(zhǔn)確地預(yù)測光伏I-V曲線,本研究建立了基于改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)的光伏I-V曲線黑盒預(yù)測模型. 通過對NREL提供的I-V曲線數(shù)據(jù)集進(jìn)行下采樣和網(wǎng)格采樣預(yù)處理,分析環(huán)境因素對預(yù)測模型的影響,并通過QPSO算法優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)建立QPSO-Elman模型. 實(shí)驗(yàn)結(jié)果表明,所提出的模型在測試集上的RMSE低至0.83%~1.20%,MAE低至0.50%,R2達(dá)到99.9%. 同時(shí),與目前已發(fā)表文獻(xiàn)中提出的GRNN模型、MLP模型、SVM模型、未改進(jìn)的Elman模型進(jìn)行對比,性能指標(biāo)均優(yōu)于這些主流模型,平均誤差分別降低了67.93%、57.72%、28.65%、17.50%. 此外,所提出模型的I-V曲線擬合效果更好,具有更高的精確度、更好的穩(wěn)定性、更強(qiáng)的泛化能力. 仿真實(shí)驗(yàn)驗(yàn)證了所提出模型的創(chuàng)新性、正確性、可行性以及較好的應(yīng)用價(jià)值和通用性.

    猜你喜歡
    輻照度粒子神經(jīng)網(wǎng)絡(luò)
    神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    基于粒子群優(yōu)化的橋式起重機(jī)模糊PID控制
    基于粒子群優(yōu)化極點(diǎn)配置的空燃比輸出反饋控制
    中國典型地區(qū)水平總輻射輻照度頻次特征*
    風(fēng)能(2016年8期)2016-12-12 07:28:48
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機(jī)控制模型建立
    復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
    太陽模擬器輻照度修正方法的研究
    太陽光輻照度概率分布參數(shù)對電網(wǎng)可靠性的影響
    基于支持向量機(jī)回歸和RBF神經(jīng)網(wǎng)絡(luò)的PID整定
    應(yīng)用計(jì)算幾何的月面太陽輻照度仿真模型
    航天器工程(2014年4期)2014-03-11 16:35:39
    亚洲自偷自拍图片 自拍| 午夜影院日韩av| 精品乱码久久久久久99久播| 69av精品久久久久久| 日韩有码中文字幕| 一级毛片高清免费大全| 一区二区三区激情视频| 国产野战对白在线观看| 99国产综合亚洲精品| 在线观看日韩欧美| 国产精品野战在线观看| 国产高清视频在线播放一区| 国产主播在线观看一区二区| 免费搜索国产男女视频| 午夜成年电影在线免费观看| 99国产精品一区二区三区| 男人舔奶头视频| 亚洲精品美女久久av网站| 日本 欧美在线| 美女 人体艺术 gogo| 免费观看精品视频网站| 亚洲成人久久性| 日韩欧美三级三区| 1024手机看黄色片| 国产精品电影一区二区三区| 久久精品91蜜桃| 国产私拍福利视频在线观看| 亚洲色图 男人天堂 中文字幕| 国产又黄又爽又无遮挡在线| 亚洲成人久久性| 亚洲av成人av| 午夜激情福利司机影院| 国产伦在线观看视频一区| 国产三级中文精品| 制服丝袜大香蕉在线| 国内精品久久久久久久电影| 色综合婷婷激情| 午夜视频精品福利| 国产精品自产拍在线观看55亚洲| 老司机午夜十八禁免费视频| 欧美性长视频在线观看| 两个人免费观看高清视频| 免费搜索国产男女视频| 蜜桃久久精品国产亚洲av| www日本在线高清视频| 久久久国产欧美日韩av| 岛国在线免费视频观看| 国产精品永久免费网站| 婷婷亚洲欧美| 18禁国产床啪视频网站| 亚洲人成电影免费在线| 欧美日本视频| 色噜噜av男人的天堂激情| 亚洲av第一区精品v没综合| 99久久综合精品五月天人人| 搞女人的毛片| 国产精品av视频在线免费观看| 一个人观看的视频www高清免费观看 | 老汉色∧v一级毛片| 18禁国产床啪视频网站| 日韩有码中文字幕| 国产亚洲精品综合一区在线观看 | 女人被狂操c到高潮| 无限看片的www在线观看| 亚洲专区中文字幕在线| 制服丝袜大香蕉在线| 午夜精品久久久久久毛片777| 国产av又大| 91在线观看av| 国产亚洲精品av在线| 国产片内射在线| 一本综合久久免费| 99久久久亚洲精品蜜臀av| 国产av一区二区精品久久| 听说在线观看完整版免费高清| 男插女下体视频免费在线播放| 久久草成人影院| 50天的宝宝边吃奶边哭怎么回事| 久久国产精品影院| 一区二区三区高清视频在线| 日韩欧美一区二区三区在线观看| 69av精品久久久久久| 两人在一起打扑克的视频| 欧美最黄视频在线播放免费| 一级黄色大片毛片| 18禁黄网站禁片免费观看直播| 99国产综合亚洲精品| 午夜老司机福利片| 精品第一国产精品| 久热爱精品视频在线9| 欧美又色又爽又黄视频| 国产高清激情床上av| 两个人视频免费观看高清| a在线观看视频网站| 精品电影一区二区在线| 又粗又爽又猛毛片免费看| 久久久国产欧美日韩av| 日本精品一区二区三区蜜桃| 国产亚洲精品久久久久5区| 久久天躁狠狠躁夜夜2o2o| 亚洲五月婷婷丁香| 成人国语在线视频| 精品国产乱子伦一区二区三区| 国产精品乱码一区二三区的特点| 老熟妇仑乱视频hdxx| 亚洲美女视频黄频| 舔av片在线| 91国产中文字幕| 欧美极品一区二区三区四区| 在线国产一区二区在线| 久久香蕉精品热| 搡老岳熟女国产| 午夜福利免费观看在线| 国产亚洲av嫩草精品影院| 首页视频小说图片口味搜索| 日日夜夜操网爽| 在线a可以看的网站| 少妇人妻一区二区三区视频| 男女之事视频高清在线观看| 中文字幕最新亚洲高清| 999精品在线视频| 91成年电影在线观看| 欧美色欧美亚洲另类二区| 欧美 亚洲 国产 日韩一| 国产高清激情床上av| 亚洲五月婷婷丁香| 亚洲国产日韩欧美精品在线观看 | 国产伦在线观看视频一区| av在线播放免费不卡| 国产精品久久视频播放| 欧美高清成人免费视频www| 欧美日本亚洲视频在线播放| 在线观看免费日韩欧美大片| 色综合婷婷激情| 精华霜和精华液先用哪个| 久久亚洲真实| 中文字幕久久专区| 日本免费一区二区三区高清不卡| 啪啪无遮挡十八禁网站| 夜夜躁狠狠躁天天躁| 日本免费一区二区三区高清不卡| 天天添夜夜摸| 男女那种视频在线观看| 日韩成人在线观看一区二区三区| 亚洲成av人片免费观看| 欧美乱码精品一区二区三区| 18禁国产床啪视频网站| 99热6这里只有精品| 亚洲最大成人中文| 天堂√8在线中文| 国产日本99.免费观看| 亚洲午夜精品一区,二区,三区| 宅男免费午夜| 又爽又黄无遮挡网站| 午夜激情av网站| 88av欧美| 两人在一起打扑克的视频| 欧美日韩精品网址| 深夜精品福利| 很黄的视频免费| 亚洲av五月六月丁香网| 色综合站精品国产| 欧洲精品卡2卡3卡4卡5卡区| 欧美+亚洲+日韩+国产| 男女之事视频高清在线观看| 窝窝影院91人妻| 最好的美女福利视频网| 中国美女看黄片| 天堂av国产一区二区熟女人妻 | bbb黄色大片| 欧美 亚洲 国产 日韩一| 国产精品,欧美在线| 精品一区二区三区四区五区乱码| 在线观看免费视频日本深夜| 欧美性猛交╳xxx乱大交人| 精品久久久久久成人av| 亚洲av成人不卡在线观看播放网| 日日干狠狠操夜夜爽| 午夜久久久久精精品| 18禁观看日本| 欧美成人一区二区免费高清观看 | 此物有八面人人有两片| 亚洲精华国产精华精| 国产探花在线观看一区二区| 中文字幕人成人乱码亚洲影| 欧美日韩一级在线毛片| 在线观看66精品国产| 亚洲精品美女久久av网站| 又爽又黄无遮挡网站| 成人特级黄色片久久久久久久| 久久久精品欧美日韩精品| 国产精品永久免费网站| 村上凉子中文字幕在线| 一级作爱视频免费观看| 久热爱精品视频在线9| 久久久国产精品麻豆| 国产成人啪精品午夜网站| 免费在线观看影片大全网站| 夜夜爽天天搞| 在线国产一区二区在线| 亚洲18禁久久av| 桃色一区二区三区在线观看| 妹子高潮喷水视频| 一夜夜www| 国产成人av激情在线播放| 国产av在哪里看| 日韩大码丰满熟妇| 香蕉久久夜色| 变态另类丝袜制服| 国产人伦9x9x在线观看| 日韩欧美国产一区二区入口| 午夜福利在线观看吧| 在线国产一区二区在线| 亚洲精品美女久久久久99蜜臀| 成年女人毛片免费观看观看9| 全区人妻精品视频| 亚洲aⅴ乱码一区二区在线播放 | 啪啪无遮挡十八禁网站| 国产成+人综合+亚洲专区| 1024香蕉在线观看| 校园春色视频在线观看| 最好的美女福利视频网| 国产成人aa在线观看| 亚洲一区中文字幕在线| 久久久久久国产a免费观看| 亚洲国产精品久久男人天堂| 久久久久亚洲av毛片大全| 久久精品91无色码中文字幕| 一本大道久久a久久精品| 在线免费观看的www视频| 亚洲成a人片在线一区二区| 精品不卡国产一区二区三区| 两个人视频免费观看高清| 日日摸夜夜添夜夜添小说| 男女下面进入的视频免费午夜| 可以在线观看的亚洲视频| 黄色成人免费大全| 免费看美女性在线毛片视频| 国产1区2区3区精品| 婷婷精品国产亚洲av在线| 人成视频在线观看免费观看| 熟妇人妻久久中文字幕3abv| a级毛片a级免费在线| 国产av一区在线观看免费| 人人妻人人澡欧美一区二区| 国产真实乱freesex| av免费在线观看网站| 淫秽高清视频在线观看| 怎么达到女性高潮| 国产私拍福利视频在线观看| www.精华液| 国产av在哪里看| 亚洲色图 男人天堂 中文字幕| 欧美不卡视频在线免费观看 | 欧美精品亚洲一区二区| 国产精品自产拍在线观看55亚洲| 国产探花在线观看一区二区| 亚洲av美国av| www.熟女人妻精品国产| 啦啦啦免费观看视频1| 狂野欧美白嫩少妇大欣赏| 黄色成人免费大全| 色播亚洲综合网| 亚洲国产日韩欧美精品在线观看 | 一进一出好大好爽视频| 欧美中文综合在线视频| 亚洲国产精品999在线| 亚洲成人久久爱视频| 国产精品亚洲一级av第二区| 一个人观看的视频www高清免费观看 | 两个人看的免费小视频| 久久婷婷人人爽人人干人人爱| e午夜精品久久久久久久| 国产一级毛片七仙女欲春2| 亚洲一码二码三码区别大吗| 不卡av一区二区三区| 久久久久久国产a免费观看| 久久午夜综合久久蜜桃| 午夜福利欧美成人| 99久久综合精品五月天人人| 欧美又色又爽又黄视频| 麻豆国产av国片精品| 精品少妇一区二区三区视频日本电影| 两个人视频免费观看高清| 色综合婷婷激情| www.999成人在线观看| svipshipincom国产片| 午夜福利18| 亚洲色图 男人天堂 中文字幕| 国产精品1区2区在线观看.| 久久中文字幕人妻熟女| 亚洲国产日韩欧美精品在线观看 | 在线免费观看的www视频| 欧美另类亚洲清纯唯美| 2021天堂中文幕一二区在线观| 久久久国产成人免费| 国产视频一区二区在线看| 成人午夜高清在线视频| 色综合婷婷激情| 老汉色av国产亚洲站长工具| 黄色a级毛片大全视频| 中文字幕人成人乱码亚洲影| 婷婷丁香在线五月| 天天躁狠狠躁夜夜躁狠狠躁| 欧美黄色淫秽网站| 国产三级中文精品| 女警被强在线播放| 在线观看www视频免费| 中亚洲国语对白在线视频| 免费在线观看视频国产中文字幕亚洲| 香蕉丝袜av| 成人精品一区二区免费| 午夜福利免费观看在线| 午夜日韩欧美国产| 一个人免费在线观看的高清视频| 国产探花在线观看一区二区| 久久久水蜜桃国产精品网| 成人18禁高潮啪啪吃奶动态图| 日韩精品免费视频一区二区三区| 老司机福利观看| 日韩欧美精品v在线| 久久久精品国产亚洲av高清涩受| 伊人久久大香线蕉亚洲五| 久9热在线精品视频| 国产亚洲av高清不卡| 母亲3免费完整高清在线观看| 搞女人的毛片| 狠狠狠狠99中文字幕| 亚洲一区二区三区不卡视频| 国产精品精品国产色婷婷| 成人精品一区二区免费| 亚洲av电影在线进入| 国产激情欧美一区二区| 久久久水蜜桃国产精品网| 91老司机精品| 十八禁网站免费在线| 最近最新中文字幕大全电影3| 亚洲美女视频黄频| svipshipincom国产片| 在线观看一区二区三区| 校园春色视频在线观看| 国产高清激情床上av| 欧美极品一区二区三区四区| 久久亚洲精品不卡| √禁漫天堂资源中文www| 在线观看一区二区三区| 久久伊人香网站| 精华霜和精华液先用哪个| 女人被狂操c到高潮| 欧美日本亚洲视频在线播放| 少妇的丰满在线观看| 村上凉子中文字幕在线| 老司机午夜福利在线观看视频| 精品人妻1区二区| x7x7x7水蜜桃| 男女午夜视频在线观看| 成年女人毛片免费观看观看9| 免费看a级黄色片| 久久久久性生活片| 色在线成人网| 成人三级做爰电影| 国产不卡一卡二| 国产单亲对白刺激| 日韩欧美精品v在线| 成人国语在线视频| 男女午夜视频在线观看| 欧美3d第一页| www日本黄色视频网| 可以免费在线观看a视频的电影网站| 国产av在哪里看| xxxwww97欧美| 天天躁狠狠躁夜夜躁狠狠躁| 成人亚洲精品av一区二区| 国产一区二区在线观看日韩 | 国产亚洲精品久久久久5区| 国产亚洲精品av在线| 黄色视频,在线免费观看| 韩国av一区二区三区四区| 舔av片在线| 香蕉久久夜色| 大型av网站在线播放| 亚洲av五月六月丁香网| www.www免费av| 亚洲中文字幕日韩| 国产欧美日韩一区二区精品| 男人舔女人的私密视频| 最新在线观看一区二区三区| 精华霜和精华液先用哪个| 成人亚洲精品av一区二区| 午夜a级毛片| 久久伊人香网站| 丰满的人妻完整版| 久久久久久久久免费视频了| 黄色视频不卡| 中文资源天堂在线| 大型av网站在线播放| 精品福利观看| 18禁裸乳无遮挡免费网站照片| 精品不卡国产一区二区三区| 欧美色视频一区免费| 成人av一区二区三区在线看| 国产成人av教育| 日韩精品青青久久久久久| 国产视频内射| 色在线成人网| √禁漫天堂资源中文www| 午夜免费观看网址| 亚洲 欧美一区二区三区| 欧美一区二区国产精品久久精品 | 老汉色av国产亚洲站长工具| 午夜日韩欧美国产| 少妇裸体淫交视频免费看高清 | 最近视频中文字幕2019在线8| 久久久久免费精品人妻一区二区| 亚洲欧美一区二区三区黑人| 国语自产精品视频在线第100页| 又大又爽又粗| 999精品在线视频| 国产精品美女特级片免费视频播放器 | 精华霜和精华液先用哪个| 国产激情久久老熟女| 色综合亚洲欧美另类图片| svipshipincom国产片| 1024香蕉在线观看| 丁香六月欧美| 国产伦人伦偷精品视频| 欧美精品亚洲一区二区| 后天国语完整版免费观看| 好男人电影高清在线观看| 久久这里只有精品19| 日韩欧美精品v在线| 亚洲avbb在线观看| 88av欧美| 看黄色毛片网站| 91av网站免费观看| 老司机在亚洲福利影院| 香蕉国产在线看| 国内少妇人妻偷人精品xxx网站 | 色老头精品视频在线观看| 一边摸一边抽搐一进一小说| 少妇粗大呻吟视频| 最新在线观看一区二区三区| 久久精品国产亚洲av香蕉五月| 黑人欧美特级aaaaaa片| 欧美性猛交黑人性爽| 女人爽到高潮嗷嗷叫在线视频| 精品免费久久久久久久清纯| 精品少妇一区二区三区视频日本电影| 国产亚洲av嫩草精品影院| 天天躁夜夜躁狠狠躁躁| 亚洲在线自拍视频| 久久久久久久午夜电影| 搞女人的毛片| a在线观看视频网站| 一进一出抽搐gif免费好疼| 国产视频内射| 草草在线视频免费看| 久久久精品大字幕| 极品教师在线免费播放| 午夜激情av网站| 香蕉国产在线看| 国产精品影院久久| 国产成人啪精品午夜网站| 中文字幕人妻丝袜一区二区| 国产成人精品久久二区二区免费| 两个人视频免费观看高清| 国产亚洲av高清不卡| 操出白浆在线播放| 少妇人妻一区二区三区视频| 国产aⅴ精品一区二区三区波| 久久久水蜜桃国产精品网| 国产亚洲精品一区二区www| 久久久久久久精品吃奶| 亚洲中文字幕一区二区三区有码在线看 | 国产69精品久久久久777片 | 日本一二三区视频观看| 亚洲精品在线观看二区| 欧洲精品卡2卡3卡4卡5卡区| 国产黄a三级三级三级人| 又黄又粗又硬又大视频| 午夜免费激情av| 999久久久国产精品视频| 老司机午夜福利在线观看视频| 亚洲激情在线av| 精品久久久久久久人妻蜜臀av| 亚洲欧美一区二区三区黑人| 动漫黄色视频在线观看| 亚洲成a人片在线一区二区| 欧美黑人精品巨大| 看免费av毛片| 免费观看人在逋| 亚洲人成网站在线播放欧美日韩| 女警被强在线播放| 国内揄拍国产精品人妻在线| 高潮久久久久久久久久久不卡| 久久中文字幕人妻熟女| 一边摸一边做爽爽视频免费| 无人区码免费观看不卡| 亚洲美女视频黄频| 麻豆一二三区av精品| 两个人视频免费观看高清| 妹子高潮喷水视频| 又爽又黄无遮挡网站| 久久中文看片网| 久久精品国产综合久久久| 男女视频在线观看网站免费 | 少妇的丰满在线观看| 久久中文看片网| 亚洲成av人片在线播放无| 亚洲精华国产精华精| 午夜福利高清视频| 美女扒开内裤让男人捅视频| 99在线人妻在线中文字幕| 天天一区二区日本电影三级| 十八禁人妻一区二区| 午夜免费成人在线视频| 亚洲天堂国产精品一区在线| 久久久久久大精品| 三级男女做爰猛烈吃奶摸视频| 黄色片一级片一级黄色片| 99re在线观看精品视频| 99精品在免费线老司机午夜| 国产成人精品久久二区二区91| 夜夜看夜夜爽夜夜摸| 国产亚洲欧美98| 18禁国产床啪视频网站| 国产午夜精品论理片| 桃红色精品国产亚洲av| 亚洲乱码一区二区免费版| 一本精品99久久精品77| 叶爱在线成人免费视频播放| 熟女电影av网| 夜夜夜夜夜久久久久| 男人舔女人下体高潮全视频| 成人欧美大片| 亚洲国产欧美一区二区综合| 97碰自拍视频| 午夜久久久久精精品| 亚洲欧美日韩高清在线视频| 久久香蕉国产精品| 日日摸夜夜添夜夜添小说| 欧美性猛交╳xxx乱大交人| 搞女人的毛片| 一边摸一边抽搐一进一小说| 我的老师免费观看完整版| 黄色片一级片一级黄色片| 久久国产乱子伦精品免费另类| 欧美3d第一页| 午夜a级毛片| 亚洲天堂国产精品一区在线| 国产成年人精品一区二区| 亚洲精品av麻豆狂野| 精品久久久久久久毛片微露脸| 亚洲成av人片在线播放无| 精品免费久久久久久久清纯| 欧美日韩精品网址| 99riav亚洲国产免费| 精品国产超薄肉色丝袜足j| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲 国产 在线| 国产69精品久久久久777片 | 国产精品免费一区二区三区在线| 欧美久久黑人一区二区| 国产一区二区在线av高清观看| 亚洲av成人一区二区三| 一夜夜www| 国产精品免费视频内射| 制服诱惑二区| 嫩草影视91久久| 性欧美人与动物交配| 男女下面进入的视频免费午夜| 久久午夜综合久久蜜桃| 女生性感内裤真人,穿戴方法视频| 国产亚洲精品综合一区在线观看 | 亚洲一区中文字幕在线| 一边摸一边抽搐一进一小说| 黄色 视频免费看| 精品久久蜜臀av无| 亚洲中文av在线| 麻豆成人av在线观看| 最新在线观看一区二区三区| 99在线人妻在线中文字幕| 国产精品一区二区精品视频观看| 久久久精品国产亚洲av高清涩受| 国产精品免费一区二区三区在线| 亚洲专区字幕在线| 真人一进一出gif抽搐免费| av在线播放免费不卡| 欧美高清成人免费视频www| 禁无遮挡网站| 五月伊人婷婷丁香| 99国产精品99久久久久| 亚洲五月婷婷丁香| 国产在线观看jvid| 波多野结衣巨乳人妻| 黄片大片在线免费观看| 99re在线观看精品视频| 人人妻人人看人人澡| 在线观看免费日韩欧美大片| 一a级毛片在线观看| 男男h啪啪无遮挡| 18禁裸乳无遮挡免费网站照片| 亚洲成人中文字幕在线播放| 看免费av毛片| 大型av网站在线播放| 国产av在哪里看| 看免费av毛片| 在线观看午夜福利视频| 日韩欧美精品v在线| 国产1区2区3区精品| 黄片大片在线免费观看| 在线观看一区二区三区| 国产熟女xx| 国产熟女午夜一区二区三区| 丰满的人妻完整版|