• <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CEEMDAN-LSSVM-ARIMA模型的短期光伏功率預(yù)測*

    2022-05-18 02:42:04瑞,強,
    傳感器與微系統(tǒng) 2022年5期
    關(guān)鍵詞:模態(tài)特征方法

    王 瑞, 高 強, 逯 靜

    (1.河南理工大學(xué) 電氣工程與自動化學(xué)院,河南 焦作 454000;2.河南理工大學(xué) 計算機科學(xué)與技術(shù)學(xué)院,河南 焦作 454000)

    0 引 言

    隨著光伏發(fā)電的迅速發(fā)展,大規(guī)模的光伏并網(wǎng)對電力系統(tǒng)的沖擊越來越明顯,準確的短期光伏功率預(yù)測,能夠有效地緩解光伏并網(wǎng)對電力系統(tǒng)造成的壓力,對確保電網(wǎng)穩(wěn)定運行和資源合理分配有重要的意義[1,2]。

    目前,人們通常分析光伏發(fā)電功率數(shù)據(jù)歷史規(guī)律與外部影響因素之間的關(guān)聯(lián),建立預(yù)測模型,對短期光伏功率進行預(yù)測[3~14]。文獻[6]利用智能優(yōu)化算法改進最小二乘支持向量機(least squares support vector machine,LSSVM),優(yōu)化了光伏功率預(yù)測效果,但忽略了輸入特征對預(yù)測效果的影響。文獻[4,7]利用差分自回歸移動平均(autoregressive integrated moving average,ARIMA)模型分別進行光伏功率與風(fēng)功率預(yù)測,ARIMA模型表現(xiàn)出優(yōu)越的時間序列預(yù)測性能。文獻[8,9]分別采用小波包和經(jīng)驗?zāi)B(tài)分解(empirical mode decomposition,EMD)將光伏功率序列分解,降低光伏功率序列的非平穩(wěn)特征。EMD克服了小波分解需預(yù)先人為經(jīng)驗選擇基函數(shù)與分解層數(shù)的缺陷,但分解過程存在模態(tài)混疊現(xiàn)象。集成經(jīng)驗?zāi)B(tài)分解(EEMD)、完備集成經(jīng)驗?zāi)B(tài)分解(CEEMD)和CEEMDAN為EMD的改進方法,采用不同的方式消除模態(tài)混疊現(xiàn)象,其中CEEMDAN表現(xiàn)出良好的性能,被廣泛應(yīng)用于多個領(lǐng)域[10~12]。一些學(xué)者在預(yù)測過程中引入誤差修正機制,有效地提升了光伏功率的預(yù)測精度[13,14]。

    本文提出一種基于CEEMDAN-LSSVM-ARIMA模型的短期光伏功率預(yù)測方法。通過CEEMDAN將光伏功率序列分解成相對平穩(wěn)的不同子序列;考慮到子序列頻率特征變化對模型輸入特征的影響,利用增量搜索法改進LSSVM,增加其自適應(yīng)選擇適合輸入特征的能力,對各子序列分別建立改進LSSVM預(yù)測模型,求和重構(gòu)各子序列預(yù)測結(jié)果得初步預(yù)測值;分析誤差序列特征,發(fā)現(xiàn)誤差序列的變化呈現(xiàn)一定的規(guī)律,視誤差序列為時間序列,建立ARIMA誤差修正模型,將誤差預(yù)測值與初步預(yù)測值疊加得到最終預(yù)測結(jié)果。

    1 光伏功率CEEMDAN原理與方法

    CEEMDAN在EMD的基礎(chǔ)上,通過自適應(yīng)添加高斯白噪聲,克服了模態(tài)混疊現(xiàn)象,有效地分解非平穩(wěn)的序列。采用CEEMDAN分解光伏功率序列的具體步驟如下:

    設(shè)Y為歷史光伏功率序列,Ej(*)為經(jīng)EMD產(chǎn)生的第j階模態(tài)分量算子,ωn(t)為第n次添加的高斯白噪聲序列,IMFk為經(jīng)CEEMDAN得到的第k階本征模態(tài)分量序列,δk-1為求解IMFk的自適應(yīng)系數(shù)。

    1)向原始序列Y中添加自適應(yīng)高斯白噪聲δ0ωn(t),n=1,2,…,N為添加的次數(shù),即

    Yn=Y+δ0ωn(t)

    (1)

    (2)

    r1=Y-IMF1

    (3)

    2)向余量序列r1中添加自適應(yīng)高斯白噪聲δ1E1(ωn(t)),n=1,2,…,N,即

    r1n=r1+δ1E1(ωn(t))

    (4)

    對r1n分別進行EMD分解,則CEEMDAN分解的二階本征模態(tài)分量序列IMF2為

    (5)

    3)對k=2,3,…,K,重復(fù)步驟(2),得到第k+1階本征模態(tài)分量序列和第k個殘余分量序列,即

    (6)

    rk=rk-1-IMFk

    (7)

    4)直到殘余分量序列的極值點個數(shù)不超過2個為止,最終殘余分量序列R為

    (8)

    歷史光伏功率序列Y經(jīng)CEEMDAN分解成K個本征模態(tài)分量序列IMFk和一個殘余分量序列R,共K+1個子序列。

    2 光伏功率LSSVM模型原理與改進

    2.1 LSSVM模型原理

    LSSVM遵循結(jié)構(gòu)風(fēng)險最小化原則,在SVM的基礎(chǔ)上,將損失函數(shù)構(gòu)造成最小二乘函數(shù),不等式約束轉(zhuǎn)成等式約束,進而將二次規(guī)劃問題的求解轉(zhuǎn)換成了求解線性方程組。LSSVM目標(biāo)優(yōu)化函數(shù)為

    s.t.yi=ωTφ(xi)+b+ξi,i=1,2,…,n

    (9)

    式中c為正則化參數(shù);ξi為誤差變量;ω為法向量;b為偏置量。

    引入拉格朗日算子,根據(jù)KKT條件和Mercer條件,最終得到的回歸函數(shù)為

    (10)

    式中k(xi,xj)為核函數(shù),通常采用徑向基核函數(shù),根據(jù)式(10)進行回歸預(yù)測。

    2.2 改進LSSVM的光伏功率預(yù)測

    客觀自適應(yīng)選擇適合的輸入特征,是確保LSSVM預(yù)測效果的關(guān)鍵。文中考慮的影響因素包括太陽直射輻照度、散射輻照度、總輻射輻照度、氣溫、板溫、溫差、濕度和氣壓,8個特征,可能的組合數(shù)為(2m-1),m=8,即255個,因此通過遍歷所有的組合選擇適合的輸入特征是不可取的。

    增量搜索法[15]的核心思想是,從剩余的特征中每次選擇一個特征,添加到現(xiàn)有的輸入特征中,使其目標(biāo)變量相比上一次變化最多。由增量搜索法獲得適合的輸入特征,最多只需篩查m(m+1)/2,m=8,即36個組合。

    因此,文中以訓(xùn)練誤差為目標(biāo)變量,采用增量搜索法改進LSSVM,使其自適應(yīng)選擇適合的輸入特征。改進LSSVM自適應(yīng)選擇適合輸入特征,進行光伏功率預(yù)測的步驟如下:

    1)設(shè)初始輸入特征集D為空集,初始訓(xùn)練誤差e為0;

    2)將原始特征集Sm=(x1,x2,…,xm)中每個特征按順序保留在D中,得候選特征集D1,D2,…,Dm;

    3)將對應(yīng)Dm的樣本數(shù)據(jù)輸入到LSSVM中,由粒子群優(yōu)化(particle swarm optimization,PSO)算法優(yōu)化正則化參數(shù)和核函數(shù)參數(shù),并行法[16]得訓(xùn)練誤差e1,e2,…,em;

    4)將對應(yīng)min{e1,e2,…,em}的特征保存在D中,保存e=min{e1,e2,…,em};

    5)對剩余特征P={Sm-D}執(zhí)行步驟(2)和步驟(3),由式(11)保存對應(yīng)特征到D中,對應(yīng)誤差賦值給e

    (11)

    式中ea為候選特征集訓(xùn)練誤差,τ>0為終止條件,文中設(shè)定τ=e/10;

    6)繼續(xù)對P={Sm-D}執(zhí)行步驟(5),直到式(11)不成立或Sm為空集;

    7)獲得模型的適合輸入特征D,輸入預(yù)測樣本數(shù)據(jù),進行光伏功率預(yù)測。

    3 ARIMA預(yù)測誤差修正

    由于分解模型和預(yù)測模型的自身限制,由初步預(yù)測結(jié)果和實際值構(gòu)造誤差序列,分析發(fā)現(xiàn)其變化呈現(xiàn)一定的規(guī)律[17]。將誤差序列視為隨機時間序列,利用ARIMA模型進行誤差修正,ARIMA模型可表示為

    (12)

    式中L為滯后算子,d為差分階數(shù),φi為自適應(yīng)系數(shù),θi為移動平均系數(shù),p為自回歸階數(shù),q為移動平均階數(shù),εt為殘差序列。

    建立ARIMA誤差修正模型的步驟如下[7]:1)由ADF單根檢驗誤差序列是否平穩(wěn),若不平穩(wěn),對誤差序列d次差分后繼續(xù)檢驗,確定差分階數(shù)d;2)根據(jù)誤差序列自相關(guān)和偏自相關(guān),由赤池信息準則(Akaike information criterion,AIC)選擇p和q的階數(shù),以AIC值最小確定p和q;3)利用最小二乘法估計模型的參數(shù),通過參數(shù)顯著性檢驗和殘差白噪聲檢驗判斷、選定參數(shù);4)建立ARIMA誤差修正模型并預(yù)測。

    4 短期光伏功率預(yù)測建模

    提出基于CEEMDAN-LSSVM-ARIMA模型的短期光伏功率預(yù)測方法,預(yù)測未來1 h(4個節(jié)點)光伏發(fā)電功率。光伏功率預(yù)測模型如圖1。

    圖1 光伏功率預(yù)測模型

    光伏功率預(yù)測模型的步驟如下:

    1) 獲取目標(biāo)光伏電站實際數(shù)據(jù),取采樣點前后3~6個時間節(jié)點的平均值補全缺失數(shù)據(jù)。記Y為歷史光伏功率序列,由CEEMDAN將Y分解為K+1個子序列,分別記為W1,W2,…,Wk+1,其中,前K個為本征模態(tài)序列IMFk,第K+1個為殘余序列R。

    2)對各子序列分別建立改進LSSVM模型,并輸入影響因素;預(yù)測模型自適應(yīng)選擇適合的輸入影響因素特征進行預(yù)測,各子序列預(yù)測結(jié)果為u1,u2,…,uk,uk+1。

    3)由式(13)對各子序列預(yù)測結(jié)果求和重構(gòu),得光伏功率初步預(yù)測結(jié)果Y′,由式(14)得到誤差時間序列e

    (13)

    e=Y-Y′

    (14)

    4)分析誤差特性,建立ARIMA誤差修正模型,輸入誤差數(shù)據(jù)序列e,進行訓(xùn)練和預(yù)測,誤差預(yù)測結(jié)果為e′。

    5)疊加初步預(yù)測結(jié)果和誤差預(yù)測結(jié)果得最終光伏功率預(yù)測結(jié)果

    (15)

    6)預(yù)測結(jié)果評價,文中采用平均絕對誤差(MAE)和均方根誤差(RMSE)衡量模型的預(yù)測性能,其值越小,模型性能越好

    (16)

    (17)

    式中n為預(yù)測總數(shù);Yi為第i個節(jié)點實際光伏發(fā)電功率值,i為第i個節(jié)點預(yù)測光伏發(fā)電功率值。

    5 算例分析

    從江蘇某地區(qū)光伏電站2015—2016年實測數(shù)據(jù)中,多次隨機按順序選100天數(shù)據(jù)進行仿真實驗,從中隨機選一組(2016年5月23日~8月30日)對最后5天(8月26日~30日)的光伏功率進行預(yù)測分析??傃b機容量為100 MW,數(shù)據(jù)采樣周期為15 min,時間為每天06︰00—18︰00。光伏功率序列和經(jīng)CEEMDAN分解序列分別如圖2和圖3。由圖2和圖3可看出,光伏功率序列具有非平穩(wěn)性,被CEEMDAN分解成11個子序列,IMF1~10為本征模態(tài)子序列,R為剩余子序列,降低了非平穩(wěn)性的影響。

    圖2 光伏功率序列

    圖3 光伏功率分解序列

    對子序列分別建立改進LSSVM預(yù)測模型, 模型根據(jù)輸入的子序列數(shù)據(jù)和影響因素特征數(shù)據(jù),自適應(yīng)選擇適合的輸入影響因素特征進行子序列預(yù)測;為弱化偶然性的影響,連續(xù)運行20次取平均值作為預(yù)測結(jié)果。PSO算法中,進化次數(shù)N=200,種群規(guī)模M=20,學(xué)習(xí)因子c1=1.5,c2=1.7,慣性權(quán)重w=0.5。

    求和重構(gòu)子序列預(yù)測結(jié)果得光伏功率初步預(yù)測結(jié)果,由初步預(yù)測結(jié)果和功率實際值構(gòu)造誤差時間序列,并進行分析,誤差時間序列和誤差的自相關(guān)和偏自相關(guān)如圖4,圖5所示。

    圖4 誤差序列

    圖5 誤差的自相關(guān)和偏自相關(guān)

    由圖4,圖5可看出,誤差時間序列的變化呈現(xiàn)一定規(guī)律,存在一定程度的自相關(guān)和偏自相關(guān)。為進一步提高預(yù)測精度,采用 ARIMA模型對誤差進行修正預(yù)測,經(jīng)多次實驗分析,設(shè)定差分次數(shù)、自回歸和移動平均階數(shù)上限dmax=5,pmax=8,qmax=8,具體參數(shù)組合根據(jù)ADF單根檢驗和由AIC準則自適應(yīng)選定。連續(xù)5天的誤差預(yù)測結(jié)果如圖6所示,從圖中可看出,通過ARIMA模型能夠有效地進行誤差修正預(yù)測。將誤差預(yù)測結(jié)果與初步預(yù)測結(jié)果疊加,以修正初步預(yù)測結(jié)果得到最終的預(yù)測結(jié)果,提升模型的預(yù)測精度。

    圖6 誤差修正預(yù)測結(jié)果

    記P為皮爾森相關(guān)性分析,分別建立CEEMDAN-P-BP模型(方法一),CEEMDAN-P-LSSVM模型(方法二),CEEMDAN—改進LSSVM模型(方法三)和CEEMDAN—改進LSSVM-ARIMA模型(本文方法)對8月26~30日連續(xù)5天的光伏功率進行預(yù)測。其中,BP,LSSVM中的重要參數(shù)均采用PSO進行尋優(yōu)。各方法預(yù)測結(jié)果曲線如圖7所示,各方法預(yù)測誤差如表1所示。

    圖7 8月26~30日各種方法預(yù)測結(jié)果

    分析圖7中預(yù)測結(jié)果,可得出,方法一和方法二在一定程度上能夠預(yù)測出功率的整體趨勢,但預(yù)測結(jié)果曲線與實際曲線擬合度差,局部偏差較大;方法三和本文方法因其采用的改進LSSVM模型能夠自適應(yīng)選擇輸入特征進行預(yù)測,預(yù)測結(jié)果與實際值擬合度高,波動性小,曲線相似度高,表明改進LSSVM模型的性能優(yōu)于傳統(tǒng)的LSSVM模型。

    在圖7(b)光伏功率由較大波動序列(8月27日)轉(zhuǎn)換為較穩(wěn)定序列(8月28日),及圖7(c)光伏功率穩(wěn)定序列的局部突變情況下,方法一和方法二的預(yù)測結(jié)果都出現(xiàn)了局部明顯的偏離;方法三和本文方法預(yù)測結(jié)果僅有短暫輕微的波動,仍能較好地預(yù)測光伏功率的變化趨勢,表現(xiàn)出較好的預(yù)測效果。

    表1 各中方法預(yù)測誤差

    結(jié)合圖7和表1,分析得出,本文方法和方法三在整體上都能較好地預(yù)測短期光伏功率的變化趨勢,預(yù)測誤差較??;方法三的預(yù)測平均誤差MAE值為3.98 MW,RMSE值為5.23 MW,明顯低于方法一和方法二;由于利用ARIMA模型進行誤差修正補償,本文方法預(yù)測誤差進一步降低,預(yù)測平均誤差MAE值為2.73 MW,RMSE值為3.69 MW;在光伏功率波動程度相似(8月29日~30日)情況下,本文方法預(yù)測誤差基本保持穩(wěn)定,驗證了本文方法的有效性。

    6 結(jié) 論

    1) 光伏功率序列經(jīng)CEEMDAN分解為不同頻率的子序列能夠降低光伏功率的復(fù)雜度,有利于功率特性分析和建模預(yù)測。2) 改進的LSSVM模型加強了自適應(yīng)選擇適合輸入特征的能力,其性能優(yōu)于傳統(tǒng)的LSSVM,能提升光伏功率預(yù)測精度。3) 分析光伏功率預(yù)測誤差序列特性,發(fā)現(xiàn)誤差變化存在一定的規(guī)律,ARIMA模型能夠有效的修正誤差,進一步提高光伏功率的預(yù)測精度。

    光伏功率的分解子序列具有不同的特征變化,對其更高性能的預(yù)測方式還需深入研究,同時可以分析誤差序列特征,通過誤差修正進一步提高預(yù)測精度,今后將從這兩方面進一步對光伏功率預(yù)測進行研究。

    猜你喜歡
    模態(tài)特征方法
    如何表達“特征”
    不忠誠的四個特征
    抓住特征巧觀察
    可能是方法不對
    用對方法才能瘦
    Coco薇(2016年2期)2016-03-22 02:42:52
    國內(nèi)多模態(tài)教學(xué)研究回顧與展望
    四大方法 教你不再“坐以待病”!
    Coco薇(2015年1期)2015-08-13 02:47:34
    捕魚
    基于HHT和Prony算法的電力系統(tǒng)低頻振蕩模態(tài)識別
    由單個模態(tài)構(gòu)造對稱簡支梁的抗彎剛度
    計算物理(2014年2期)2014-03-11 17:01:39
    美女高潮喷水抽搐中文字幕| 亚洲成a人片在线一区二区| 国产精品久久久av美女十八| 美女免费视频网站| 亚洲精品在线观看二区| 人人妻,人人澡人人爽秒播| 国产精品,欧美在线| 国产高清有码在线观看视频 | 国产精品久久久久久人妻精品电影| 国产91精品成人一区二区三区| 国产主播在线观看一区二区| 亚洲精品一区av在线观看| 大型黄色视频在线免费观看| 999久久久国产精品视频| 12—13女人毛片做爰片一| 国产视频一区二区在线看| 麻豆久久精品国产亚洲av| 国产精品综合久久久久久久免费| 免费在线观看影片大全网站| 日本免费一区二区三区高清不卡| 一进一出好大好爽视频| 亚洲精华国产精华精| 91麻豆av在线| 国产精品1区2区在线观看.| 久久久国产欧美日韩av| 欧美日韩中文字幕国产精品一区二区三区| 亚洲成人久久爱视频| 两个人看的免费小视频| 人妻夜夜爽99麻豆av| 亚洲,欧美精品.| 男女视频在线观看网站免费 | av欧美777| 国产精品av久久久久免费| 国产真实乱freesex| 最新美女视频免费是黄的| 国产精品1区2区在线观看.| 国产真人三级小视频在线观看| 欧美日韩亚洲综合一区二区三区_| 99精品久久久久人妻精品| 黄色丝袜av网址大全| 婷婷亚洲欧美| 久久中文看片网| 亚洲国产欧美一区二区综合| 欧美大码av| 国产乱人伦免费视频| www日本黄色视频网| 久久中文字幕人妻熟女| 狂野欧美激情性xxxx| 9191精品国产免费久久| 亚洲国产精品sss在线观看| 国产精品精品国产色婷婷| 久久这里只有精品19| 可以在线观看毛片的网站| 人妻夜夜爽99麻豆av| 欧美黑人欧美精品刺激| 热99re8久久精品国产| 啦啦啦观看免费观看视频高清| 亚洲人成网站在线播放欧美日韩| 亚洲男人天堂网一区| 午夜免费激情av| 欧美国产日韩亚洲一区| 国产视频一区二区在线看| 国产欧美日韩一区二区三| 男女视频在线观看网站免费 | 亚洲精品美女久久av网站| 男人的好看免费观看在线视频 | 亚洲中文av在线| 国产欧美日韩一区二区精品| 亚洲av中文字字幕乱码综合| 男人舔奶头视频| 国产一区二区激情短视频| 制服诱惑二区| 国产1区2区3区精品| 日韩免费av在线播放| 国产av不卡久久| 欧美色视频一区免费| 桃红色精品国产亚洲av| 可以在线观看毛片的网站| 亚洲精品中文字幕在线视频| 亚洲乱码一区二区免费版| 麻豆一二三区av精品| 日韩欧美国产在线观看| 成人18禁在线播放| 两个人看的免费小视频| 中文资源天堂在线| 美女免费视频网站| 日韩高清综合在线| 久久 成人 亚洲| 欧美一区二区精品小视频在线| АⅤ资源中文在线天堂| av福利片在线| 一本综合久久免费| 巨乳人妻的诱惑在线观看| 最近最新中文字幕大全免费视频| 国产片内射在线| 日本成人三级电影网站| 国产欧美日韩精品亚洲av| 可以在线观看的亚洲视频| 久久 成人 亚洲| 男人舔奶头视频| 天天添夜夜摸| 国产片内射在线| 中文亚洲av片在线观看爽| 国产精品免费一区二区三区在线| 在线观看日韩欧美| 欧美日韩国产亚洲二区| 精品国产美女av久久久久小说| 1024视频免费在线观看| 中文字幕久久专区| 久久婷婷成人综合色麻豆| 男女床上黄色一级片免费看| 亚洲成av人片免费观看| 中文资源天堂在线| 国产蜜桃级精品一区二区三区| 亚洲五月婷婷丁香| 99热这里只有是精品50| 18禁观看日本| 日本a在线网址| 成熟少妇高潮喷水视频| 色哟哟哟哟哟哟| 黄色视频不卡| 婷婷丁香在线五月| 成人高潮视频无遮挡免费网站| 天天躁狠狠躁夜夜躁狠狠躁| 99国产精品一区二区蜜桃av| 亚洲第一电影网av| 在线观看www视频免费| 国产免费av片在线观看野外av| 中国美女看黄片| 久久伊人香网站| 手机成人av网站| 国产又色又爽无遮挡免费看| 欧美在线一区亚洲| 正在播放国产对白刺激| 亚洲精品中文字幕在线视频| 国产精品日韩av在线免费观看| 日韩有码中文字幕| 国产av麻豆久久久久久久| 亚洲熟女毛片儿| 午夜免费观看网址| 久久久国产成人免费| 亚洲在线自拍视频| 好男人电影高清在线观看| 中文字幕熟女人妻在线| 老司机午夜福利在线观看视频| 欧美绝顶高潮抽搐喷水| 精品国产美女av久久久久小说| 嫁个100分男人电影在线观看| 亚洲男人的天堂狠狠| 免费无遮挡裸体视频| av中文乱码字幕在线| 黄色女人牲交| 亚洲狠狠婷婷综合久久图片| 中亚洲国语对白在线视频| 丝袜人妻中文字幕| 成人18禁高潮啪啪吃奶动态图| 一边摸一边做爽爽视频免费| 成人av一区二区三区在线看| 亚洲精品久久成人aⅴ小说| 岛国在线免费视频观看| 在线看三级毛片| 看片在线看免费视频| 国产一级毛片七仙女欲春2| 91麻豆精品激情在线观看国产| 免费搜索国产男女视频| 免费看日本二区| 在线观看舔阴道视频| 嫩草影视91久久| 国产不卡一卡二| 免费高清视频大片| 欧美性猛交╳xxx乱大交人| 日本撒尿小便嘘嘘汇集6| 亚洲成av人片在线播放无| 亚洲熟女毛片儿| 国产精品av视频在线免费观看| 日日干狠狠操夜夜爽| 国产成人aa在线观看| 中文字幕久久专区| 亚洲国产高清在线一区二区三| 亚洲熟妇中文字幕五十中出| 首页视频小说图片口味搜索| 在线观看www视频免费| 免费高清视频大片| 久久九九热精品免费| 又爽又黄无遮挡网站| 国内久久婷婷六月综合欲色啪| 欧美 亚洲 国产 日韩一| 美女免费视频网站| 日本一二三区视频观看| 欧美绝顶高潮抽搐喷水| 变态另类丝袜制服| 亚洲第一电影网av| 女人高潮潮喷娇喘18禁视频| 成年人黄色毛片网站| 亚洲av片天天在线观看| 少妇被粗大的猛进出69影院| 国产精品亚洲av一区麻豆| 亚洲精品一卡2卡三卡4卡5卡| 日本精品一区二区三区蜜桃| 国产v大片淫在线免费观看| 夜夜看夜夜爽夜夜摸| 亚洲无线在线观看| 天堂影院成人在线观看| 午夜影院日韩av| 黄片大片在线免费观看| 波多野结衣巨乳人妻| 国产一区二区在线观看日韩 | 午夜免费成人在线视频| 成年人黄色毛片网站| 91字幕亚洲| 精品免费久久久久久久清纯| 丁香六月欧美| 91麻豆精品激情在线观看国产| 亚洲人成伊人成综合网2020| 看黄色毛片网站| 欧美又色又爽又黄视频| 免费高清视频大片| 欧美黑人巨大hd| 久久精品国产99精品国产亚洲性色| 欧美高清成人免费视频www| 国产高清视频在线播放一区| 日韩欧美三级三区| 久久精品91无色码中文字幕| 99热这里只有精品一区 | 午夜免费激情av| 99久久综合精品五月天人人| 午夜日韩欧美国产| 日韩免费av在线播放| 18禁国产床啪视频网站| 十八禁人妻一区二区| 99国产精品99久久久久| 精品乱码久久久久久99久播| 欧美一级毛片孕妇| 欧美又色又爽又黄视频| 最近在线观看免费完整版| 国内精品一区二区在线观看| or卡值多少钱| 99热这里只有是精品50| 国产高清激情床上av| 黄色片一级片一级黄色片| av免费在线观看网站| 深夜精品福利| 免费在线观看成人毛片| 亚洲午夜理论影院| www.自偷自拍.com| 深夜精品福利| 久9热在线精品视频| 国产精品亚洲av一区麻豆| 国产亚洲精品一区二区www| 国产亚洲精品第一综合不卡| 日韩欧美免费精品| 欧美3d第一页| 搞女人的毛片| 精品久久久久久,| 男女之事视频高清在线观看| 免费看日本二区| 欧美不卡视频在线免费观看 | 中出人妻视频一区二区| 无限看片的www在线观看| 国产一区二区在线观看日韩 | 欧美日韩国产亚洲二区| 成人三级黄色视频| 亚洲aⅴ乱码一区二区在线播放 | 亚洲成人中文字幕在线播放| 人成视频在线观看免费观看| 日韩欧美国产在线观看| 欧美一区二区精品小视频在线| 中文字幕熟女人妻在线| 夜夜夜夜夜久久久久| 香蕉久久夜色| 国产成人系列免费观看| 日韩欧美免费精品| 女人被狂操c到高潮| 岛国在线观看网站| 午夜a级毛片| a级毛片在线看网站| 丰满人妻熟妇乱又伦精品不卡| 女同久久另类99精品国产91| 美女高潮喷水抽搐中文字幕| 久9热在线精品视频| 中文字幕高清在线视频| 国产男靠女视频免费网站| 国产黄色小视频在线观看| 法律面前人人平等表现在哪些方面| 国产精品99久久99久久久不卡| 精品国产乱子伦一区二区三区| 日韩欧美 国产精品| 亚洲av日韩精品久久久久久密| 国产区一区二久久| 少妇粗大呻吟视频| 亚洲五月天丁香| 国产伦在线观看视频一区| 国产精品一区二区三区四区久久| 精品日产1卡2卡| 老汉色∧v一级毛片| 欧美成人性av电影在线观看| 一本精品99久久精品77| 激情在线观看视频在线高清| 男女那种视频在线观看| 婷婷亚洲欧美| 男女下面进入的视频免费午夜| 欧美在线一区亚洲| 国产激情久久老熟女| 久久香蕉精品热| 亚洲精品色激情综合| 国产成人一区二区三区免费视频网站| 国产午夜精品论理片| 男人舔女人下体高潮全视频| 嫁个100分男人电影在线观看| 国产激情欧美一区二区| 欧美日本亚洲视频在线播放| 欧美zozozo另类| 最近最新中文字幕大全电影3| 日韩免费av在线播放| 在线观看美女被高潮喷水网站 | 成人三级做爰电影| 亚洲美女黄片视频| 午夜激情福利司机影院| 伊人久久大香线蕉亚洲五| 久久久久久久精品吃奶| 国产在线精品亚洲第一网站| 亚洲全国av大片| а√天堂www在线а√下载| 亚洲男人的天堂狠狠| 一二三四在线观看免费中文在| 久久精品国产清高在天天线| 午夜精品久久久久久毛片777| 日韩欧美在线乱码| 亚洲美女视频黄频| 可以在线观看的亚洲视频| 精品福利观看| 亚洲熟妇中文字幕五十中出| 一进一出抽搐动态| 少妇熟女aⅴ在线视频| 国内揄拍国产精品人妻在线| 麻豆成人午夜福利视频| 日韩欧美在线乱码| 午夜a级毛片| 一本一本综合久久| 天堂av国产一区二区熟女人妻 | 少妇被粗大的猛进出69影院| 久久这里只有精品中国| 精品欧美国产一区二区三| 亚洲国产日韩欧美精品在线观看 | 999精品在线视频| 搡老熟女国产l中国老女人| 一区二区三区高清视频在线| 亚洲精品国产精品久久久不卡| 女人被狂操c到高潮| 女同久久另类99精品国产91| 久久精品综合一区二区三区| 亚洲一区高清亚洲精品| 一二三四在线观看免费中文在| 国产午夜精品久久久久久| 精品久久蜜臀av无| 亚洲中文字幕日韩| av在线天堂中文字幕| 中文字幕最新亚洲高清| 麻豆成人av在线观看| 一区二区三区激情视频| 亚洲熟妇熟女久久| 欧美丝袜亚洲另类 | 亚洲五月婷婷丁香| 国产亚洲精品一区二区www| 亚洲精品美女久久久久99蜜臀| 亚洲第一欧美日韩一区二区三区| 熟女电影av网| 亚洲性夜色夜夜综合| 高清在线国产一区| 一区二区三区高清视频在线| 久久精品国产亚洲av高清一级| 欧美3d第一页| 久久精品91蜜桃| 亚洲国产欧美人成| 午夜福利成人在线免费观看| 国产一区二区三区视频了| 亚洲性夜色夜夜综合| 一本一本综合久久| 色av中文字幕| 一区二区三区高清视频在线| 亚洲人成77777在线视频| 日韩欧美在线二视频| 精品一区二区三区视频在线观看免费| 舔av片在线| 观看免费一级毛片| 美女大奶头视频| 1024手机看黄色片| 757午夜福利合集在线观看| 国产精品一区二区三区四区久久| 国产激情久久老熟女| 男女午夜视频在线观看| 99久久精品国产亚洲精品| 99国产极品粉嫩在线观看| 热99re8久久精品国产| 欧美+亚洲+日韩+国产| 无人区码免费观看不卡| 亚洲精品在线观看二区| 国产97色在线日韩免费| 日韩欧美精品v在线| 成人国语在线视频| 亚洲精品久久成人aⅴ小说| 法律面前人人平等表现在哪些方面| 久久精品夜夜夜夜夜久久蜜豆 | www日本在线高清视频| 午夜亚洲福利在线播放| 激情在线观看视频在线高清| 午夜福利在线观看吧| 日韩国内少妇激情av| 亚洲av日韩精品久久久久久密| 久久久久九九精品影院| 久久久精品国产亚洲av高清涩受| 久久久久免费精品人妻一区二区| 天堂动漫精品| 免费看日本二区| 日韩免费av在线播放| 俄罗斯特黄特色一大片| 久久人妻av系列| 无遮挡黄片免费观看| 亚洲欧美日韩高清专用| 超碰成人久久| 天堂动漫精品| 法律面前人人平等表现在哪些方面| 日韩精品青青久久久久久| 亚洲五月天丁香| 又紧又爽又黄一区二区| 国产av又大| 久久久久久九九精品二区国产 | 999精品在线视频| 久99久视频精品免费| 男人舔奶头视频| 两人在一起打扑克的视频| 最好的美女福利视频网| 成熟少妇高潮喷水视频| 日韩欧美三级三区| 国产激情偷乱视频一区二区| 极品教师在线免费播放| 婷婷亚洲欧美| 亚洲成av人片免费观看| 久久精品人妻少妇| 国产精品亚洲av一区麻豆| 99re在线观看精品视频| 天堂影院成人在线观看| av有码第一页| 老司机深夜福利视频在线观看| 大型av网站在线播放| 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| 亚洲专区中文字幕在线| 亚洲成a人片在线一区二区| 97人妻精品一区二区三区麻豆| 日韩大尺度精品在线看网址| 人妻久久中文字幕网| 国产av在哪里看| 久久久精品国产亚洲av高清涩受| 悠悠久久av| 毛片女人毛片| 亚洲人与动物交配视频| 色噜噜av男人的天堂激情| 久久久精品国产亚洲av高清涩受| 国内少妇人妻偷人精品xxx网站 | 日韩av在线大香蕉| 亚洲av中文字字幕乱码综合| 欧美日韩中文字幕国产精品一区二区三区| 精品国产乱子伦一区二区三区| 精品乱码久久久久久99久播| 久久热在线av| 亚洲,欧美精品.| 50天的宝宝边吃奶边哭怎么回事| 欧美黑人欧美精品刺激| 精品久久久久久久久久免费视频| 免费在线观看完整版高清| 日本一本二区三区精品| 美女高潮喷水抽搐中文字幕| 91大片在线观看| 男女午夜视频在线观看| 麻豆成人午夜福利视频| 国产精品综合久久久久久久免费| 黄色视频,在线免费观看| 国产精品久久电影中文字幕| 日韩成人在线观看一区二区三区| 99热6这里只有精品| 午夜影院日韩av| 又爽又黄无遮挡网站| 亚洲欧美日韩无卡精品| 日韩有码中文字幕| 精品一区二区三区视频在线观看免费| 久久精品成人免费网站| 成年版毛片免费区| 欧美黑人巨大hd| 麻豆成人av在线观看| 日本 欧美在线| 亚洲欧美精品综合一区二区三区| 夜夜爽天天搞| 白带黄色成豆腐渣| 亚洲aⅴ乱码一区二区在线播放 | 一二三四社区在线视频社区8| √禁漫天堂资源中文www| 美女免费视频网站| 欧美一级毛片孕妇| 女人高潮潮喷娇喘18禁视频| 最好的美女福利视频网| 亚洲av第一区精品v没综合| 一区二区三区国产精品乱码| 香蕉av资源在线| 国产激情久久老熟女| 亚洲av美国av| 欧美乱色亚洲激情| 国产成人影院久久av| 神马国产精品三级电影在线观看 | 18禁黄网站禁片免费观看直播| 最新美女视频免费是黄的| 舔av片在线| 变态另类成人亚洲欧美熟女| 中文字幕精品亚洲无线码一区| 亚洲国产看品久久| 怎么达到女性高潮| a级毛片a级免费在线| 午夜激情av网站| 可以在线观看的亚洲视频| 男人舔女人下体高潮全视频| 亚洲精品av麻豆狂野| 精品免费久久久久久久清纯| 身体一侧抽搐| 人妻久久中文字幕网| АⅤ资源中文在线天堂| 一本综合久久免费| 99国产精品一区二区蜜桃av| 欧美日韩精品网址| 精品国产乱码久久久久久男人| 别揉我奶头~嗯~啊~动态视频| 动漫黄色视频在线观看| 日韩高清综合在线| 国产精品久久久久久久电影 | 99精品在免费线老司机午夜| 亚洲乱码一区二区免费版| 亚洲五月婷婷丁香| 亚洲自偷自拍图片 自拍| 日本精品一区二区三区蜜桃| 国产片内射在线| 国产在线观看jvid| 久久中文字幕人妻熟女| 中文字幕久久专区| 99在线人妻在线中文字幕| 国内精品久久久久精免费| 草草在线视频免费看| 国内久久婷婷六月综合欲色啪| 久久久久久九九精品二区国产 | 2021天堂中文幕一二区在线观| 嫩草影院精品99| 国产亚洲精品av在线| 欧美成人一区二区免费高清观看 | 他把我摸到了高潮在线观看| 久久草成人影院| 人人妻,人人澡人人爽秒播| 人妻久久中文字幕网| 国产免费av片在线观看野外av| 久久久久久亚洲精品国产蜜桃av| 国产成年人精品一区二区| 搡老熟女国产l中国老女人| 国产av不卡久久| netflix在线观看网站| 亚洲av成人av| 老司机在亚洲福利影院| 免费在线观看亚洲国产| 亚洲 国产 在线| 国产日本99.免费观看| 91麻豆精品激情在线观看国产| 一级毛片精品| 丝袜美腿诱惑在线| 久久久久久免费高清国产稀缺| 亚洲第一欧美日韩一区二区三区| 国产精品香港三级国产av潘金莲| 中文字幕av在线有码专区| 中亚洲国语对白在线视频| 欧美不卡视频在线免费观看 | 久久欧美精品欧美久久欧美| bbb黄色大片| 国产av一区二区精品久久| 中文字幕av在线有码专区| 18美女黄网站色大片免费观看| 亚洲一区二区三区色噜噜| 成人亚洲精品av一区二区| 九九热线精品视视频播放| 久久草成人影院| 国产精品久久久人人做人人爽| 亚洲av片天天在线观看| 久久性视频一级片| 久久精品国产综合久久久| 成年人黄色毛片网站| 精华霜和精华液先用哪个| 桃色一区二区三区在线观看| av天堂在线播放| 精品日产1卡2卡| 久久久久久九九精品二区国产 | 成年版毛片免费区| 视频区欧美日本亚洲| 欧美日本视频| 久久精品综合一区二区三区| 中文字幕久久专区| 国产精品精品国产色婷婷| 中文字幕久久专区| 亚洲狠狠婷婷综合久久图片| 亚洲午夜精品一区,二区,三区| 亚洲av日韩精品久久久久久密| 757午夜福利合集在线观看| 在线观看午夜福利视频| 国产精品一区二区三区四区免费观看 | 欧美极品一区二区三区四区| 亚洲成人中文字幕在线播放| 国产日本99.免费观看| 啦啦啦免费观看视频1| 高清在线国产一区| 亚洲国产看品久久| 成人18禁高潮啪啪吃奶动态图| 成人三级黄色视频|