• <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PCA-SOA-ELM 的空調(diào)系統(tǒng)負(fù)荷預(yù)測(cè)

    2022-06-07 01:21:00閆秀英李憶言杜伊帆閆秀聯(lián)
    分布式能源 2022年2期
    關(guān)鍵詞:權(quán)值適應(yīng)度空調(diào)

    閆秀英,李憶言,杜伊帆,閆秀聯(lián)

    (西安建筑科技大學(xué)建筑設(shè)備科學(xué)與工程學(xué)院,陜西省 西安市 710055)

    0 引言

    “碳達(dá)峰、碳中和”目標(biāo)下,建筑領(lǐng)域節(jié)能減排任務(wù)艱巨。據(jù)國(guó)家能源局發(fā)布的統(tǒng)計(jì)數(shù)據(jù),2021年全國(guó)發(fā)電裝機(jī)容量約23.8億kW,同比增長(zhǎng)7.9%[1]。空調(diào)負(fù)荷的高峰期與電力負(fù)荷高峰期呈現(xiàn)正相關(guān)關(guān)系,尤其在夏季高峰時(shí)期,陜西省空調(diào)最大制冷負(fù)荷占總負(fù)荷的比值高達(dá)35.9%[2],因此也成為了一種潛力很大的需求響應(yīng)資源,對(duì)其采取能耗削減措施可以進(jìn)一步推動(dòng)建筑“碳達(dá)峰、碳中和”[3]??照{(diào)系統(tǒng)需求響應(yīng)的峰值負(fù)荷預(yù)測(cè)可以為系統(tǒng)優(yōu)化控制策略提供理論依據(jù),提前制定最佳運(yùn)行策略,提高系統(tǒng)的需求響應(yīng)潛力[4]。因此,研究空調(diào)系統(tǒng)需求響應(yīng)時(shí)段負(fù)荷的特點(diǎn)以及影響因素,構(gòu)建負(fù)荷預(yù)測(cè)模型,進(jìn)行準(zhǔn)確的峰值負(fù)荷預(yù)測(cè)是空調(diào)系統(tǒng)需求響應(yīng)控制策略是否節(jié)能和穩(wěn)定運(yùn)行的關(guān)鍵。

    負(fù)荷預(yù)測(cè)方法通常分線性方法和非線性方法。線性方法如參數(shù)回歸分析[5]、相似工況預(yù)測(cè)[6]、時(shí)間序列[7]、指數(shù)平滑法[8]等。其中,多元線性回歸法需要充分考慮各個(gè)影響因素的特點(diǎn),分析影響因素對(duì)空調(diào)能耗的影響程度,且對(duì)歷史數(shù)據(jù)依賴性較強(qiáng),需大量時(shí)間進(jìn)行數(shù)據(jù)修正。相似工況預(yù)測(cè)構(gòu)建的模型依賴于歷史數(shù)據(jù),如果未來預(yù)測(cè)日和歷史日相似度比較低,預(yù)測(cè)結(jié)果將會(huì)產(chǎn)生較大的偏差。時(shí)間序列法只適合中短期預(yù)測(cè),當(dāng)外界因素發(fā)生變化時(shí),預(yù)測(cè)結(jié)果有時(shí)不符合實(shí)際規(guī)律??照{(diào)負(fù)荷有很大的隨機(jī)性和波動(dòng)性,線性方法不能處理空調(diào)負(fù)荷與影響因素之間這種非線性關(guān)系,而人工智能算法憑借著強(qiáng)大的非線性映射能力,逐漸被應(yīng)用于空調(diào)負(fù)荷預(yù)測(cè),提高預(yù)測(cè)的準(zhǔn)確性。非線性方法包含人工神經(jīng)網(wǎng)絡(luò)[9]、支持向量機(jī)[10],以及極限學(xué)習(xí)機(jī)(extreme learning machine,ELM)[11]等智能算法。

    近年來,基于ELM 的方法由于其更快的訓(xùn)練速度以及更強(qiáng)的處理大量樣本、高維數(shù)據(jù)的能力,預(yù)測(cè)效果顯著,備受研究人員青睞[12-13],國(guó)內(nèi)外開展了一系列的研究。有學(xué)者提出,利用蝙蝠算法對(duì)ELM 的隱含層節(jié)點(diǎn)個(gè)數(shù)進(jìn)行優(yōu)化,可以解決ELM在預(yù)測(cè)階段出現(xiàn)的不穩(wěn)定問題,但此方法僅針對(duì)單一量控制,無法顧及到權(quán)值與閾值[14];另有學(xué)者提出利用改良遺傳算法對(duì)ELM 的權(quán)值和閾值進(jìn)行優(yōu)化,但此方法存在算法過于繁瑣的缺點(diǎn)[15]。更有研究利用多目標(biāo)粒子群算法優(yōu)化ELM 參數(shù),然而這種方法易陷入局部最優(yōu)而導(dǎo)致參數(shù)優(yōu)化不佳,從而對(duì)ELM 的穩(wěn)定性產(chǎn)生不良影響[16]。對(duì)于ELM 負(fù)荷預(yù)測(cè)時(shí)的特征選擇,利用核主成分分析法對(duì)外部氣象因素進(jìn)行優(yōu)選[17],但在歷史負(fù)荷特征進(jìn)行選擇的方面并未能做出最優(yōu)選擇;利用最大交互信息系數(shù)[18]可以得到較好的特征選擇結(jié)果,但經(jīng)過篩選的特征中仍含有大量無效信息。

    針對(duì)預(yù)測(cè)過程中利用隨機(jī)數(shù)作為初始參數(shù)以及未準(zhǔn)確選擇合適的特征導(dǎo)致ELM 的穩(wěn)定性產(chǎn)生較大的波動(dòng)這一問題,提出一種基于主成分分析(principal component analysis,PCA)和海鷗算法(seagull optimization algorithm,SOA)優(yōu)化ELM的空調(diào)負(fù)荷預(yù)測(cè)方法,從而提高預(yù)測(cè)網(wǎng)絡(luò)的穩(wěn)定性與準(zhǔn)確性。首先,對(duì)于所采集辦公建筑各參數(shù)之間相互影響的問題,采用PCA 對(duì)數(shù)據(jù)進(jìn)行降維,降低數(shù)據(jù)規(guī)模的同時(shí)對(duì)空調(diào)負(fù)荷影響因素進(jìn)行特征提取;其次,進(jìn)行ELM 空調(diào)系統(tǒng)負(fù)荷預(yù)測(cè)模型建立,且利用SOA 迭代尋優(yōu)ELM 的輸入權(quán)值矩陣和隱含層閾值,去除原參數(shù)選取的強(qiáng)隨機(jī)性對(duì)模型泛化能力和預(yù)測(cè)性能的影響,最后,建立基于PCA-SOAELM 的空調(diào)系統(tǒng)需求響應(yīng)時(shí)段負(fù)荷預(yù)測(cè)模型,仿真對(duì)比分析模型性能。

    1 優(yōu)化方法

    1.1 極限學(xué)習(xí)機(jī)

    ELM 是一種單隱層神經(jīng)網(wǎng)絡(luò)[11],其輸入權(quán)值矩陣、隱含層偏置是隨機(jī)設(shè)置的,且在訓(xùn)練中無需調(diào)整。其在保證網(wǎng)絡(luò)訓(xùn)練參數(shù)少、學(xué)習(xí)速度快、泛化能力強(qiáng)以及建模精度高等優(yōu)勢(shì)的同時(shí),避免了由于梯度下降算法產(chǎn)生的諸多缺陷,目前已廣泛應(yīng)用于負(fù)荷預(yù)測(cè)[19]、故障診斷[20]、圖像處理[21]、人臉辨別等領(lǐng)域。

    1.1.1 基本原理

    設(shè)輸入變量xi=[xi1,xi2,…,xin]T∈Rn,輸出變量yi=[yi1,yi2,…,yim]T∈Rm。假定ELM網(wǎng)絡(luò)有n 個(gè)輸入神經(jīng)元,L 個(gè)隱含層神經(jīng)元,m 個(gè)輸出層神經(jīng)元,其網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示,數(shù)學(xué)表達(dá)為:

    圖1 網(wǎng)絡(luò)結(jié)構(gòu)示意圖Fig.1 Network structure diagram

    式中:g(ωi,xi,bi)為ELM 網(wǎng)絡(luò)激活函數(shù);ωi=[ωi1,ωi2,…,ωin]T∈Rn為ELM 網(wǎng)絡(luò)輸入權(quán)值;βi=[βi1,βi2,…,βin]T∈Rn為ELM 網(wǎng)絡(luò)輸出權(quán)值;bi=[bi1,bi2,…,bin]T∈Rn為ELM 網(wǎng)絡(luò)隱含層閾值。式(1)矩陣表達(dá)式:

    式中:T′為網(wǎng)絡(luò)輸出的轉(zhuǎn)置矩陣;H 為網(wǎng)絡(luò)的隱含層輸出矩陣。

    由式(3)方程組的最小二乘解求隱含層與輸出層間的連接權(quán)值β:

    其解為:

    式中:H+為隱含層輸出矩陣H 的Moore-Penrose廣義逆。

    1.1.2 ELM 算法流程

    ELM 算法流程為:

    (1) 確定隱含層神經(jīng)元個(gè)數(shù),隨機(jī)設(shè)定輸入層與隱含層間的連接權(quán)值ω 和隱含層神經(jīng)元的偏置數(shù)b。

    (2) 選擇一個(gè)無限可微的函數(shù)作為隱含層神經(jīng)元的激活函數(shù),進(jìn)而并計(jì)算隱含層輸出矩陣H。

    ELM 常用的激活函數(shù)分別為:

    Sigmoid函數(shù)

    Sine函數(shù)

    Hardlim 函數(shù)

    1.2 海鷗優(yōu)化算法

    2019年,學(xué)者Gaurav Dhiman[22]提出SOA,對(duì)海鷗各種行為方式進(jìn)行模擬。該算法相較于其他算法,調(diào)整參數(shù)較少、尋優(yōu)精度高、收斂效果好,具有明顯優(yōu)勢(shì),其搜索的全面性與優(yōu)越性得到廣泛認(rèn)可。因此利用SOA 優(yōu)化ELM 的ω 和b,可以避免原參數(shù)選取的強(qiáng)隨機(jī)性對(duì)模型泛化能力和預(yù)測(cè)性能的影響,從而得到預(yù)測(cè)模型最優(yōu)參數(shù)配置。

    1.3 主成分分析

    對(duì)多維變量進(jìn)行降維,一般考慮PCA 對(duì)數(shù)據(jù)的特征矩陣進(jìn)行矩陣分解與壓縮,將n 維特征變量映射到m 維變量(n>m),m 維變量則被稱為主成分[23]。

    2 SOA-ELM 模型

    2.1 SOA-ELM 預(yù)測(cè)模型構(gòu)建

    ELM 的預(yù)測(cè)性能往往與隨機(jī)生成的輸入權(quán)值矩陣ω 和隱含層閾值b 有很大關(guān)聯(lián),為盡可能消除隨機(jī)選取參數(shù)對(duì)模型泛化能力和預(yù)測(cè)性能的影響,利用SOA 算法對(duì)ωj和bj進(jìn)行迭代尋優(yōu),進(jìn)而建立SOA-ELM 預(yù)測(cè)模型,模型流程如圖2所示。

    圖2 SOA-ELM 模型負(fù)荷預(yù)測(cè)流程圖Fig.2 SOA-ELM model load forecast flow chart

    首先,對(duì)樣本進(jìn)行預(yù)處理,并設(shè)置SOA 中的初始化參數(shù),即海鷗群體規(guī)模、搜索空間常數(shù)、種群位置的上下界及最大迭代次數(shù);其次,以均方根誤差函數(shù)為適應(yīng)度函數(shù),計(jì)算每個(gè)海鷗的初始適應(yīng)度值并排序,其中適應(yīng)度函數(shù)值最優(yōu)者為當(dāng)前最優(yōu)位置,即海鷗領(lǐng)導(dǎo)者;當(dāng)前迭代次數(shù)未達(dá)到最大迭代次數(shù)時(shí),對(duì)海鷗群領(lǐng)導(dǎo)者與追隨者進(jìn)行位置更新,同時(shí)計(jì)算位置更新后每一個(gè)體的適應(yīng)度函數(shù)值,并依據(jù)數(shù)值優(yōu)劣進(jìn)一步更新最優(yōu)種群位置,滿足終止條件時(shí),輸出最優(yōu)的ωj和bj;最后,將SOA 尋優(yōu)得到最優(yōu)的ωj和bj賦予ELM 模型,得出相關(guān)負(fù)荷預(yù)測(cè)結(jié)果。

    2.2 預(yù)測(cè)模型評(píng)價(jià)指標(biāo)

    為了驗(yàn)證SOA-ELM 空調(diào)負(fù)荷預(yù)測(cè)模型的預(yù)測(cè)效果,取均方根誤差(root mean square error,RMSE)eRMSE,平均絕對(duì)百分比誤差(mean absolute percentage error,MAPE)eMAPE和決定系數(shù)R2這3個(gè)指標(biāo)對(duì)模型性能進(jìn)行評(píng)價(jià)。其計(jì)算公式如下:

    3 實(shí)例分析

    以某高層綜合辦公樓為研究對(duì)象,對(duì)其2021年7月每天08:00—22:00采集的實(shí)時(shí)數(shù)據(jù)展開分析,數(shù)據(jù)采樣步長(zhǎng)為1 h,樣本數(shù)為740,在建立預(yù)測(cè)模型時(shí),將其中四分之三作為訓(xùn)練集,四分之一作為測(cè)試集,來驗(yàn)證所建負(fù)荷預(yù)測(cè)模型的準(zhǔn)確度。所研究的空調(diào)系統(tǒng)設(shè)備參數(shù)如表1所示。本文實(shí)際共采集了8組數(shù)據(jù),分別為T 時(shí)刻冷負(fù)荷、T-1時(shí)刻室外干球溫度、相對(duì)濕度、T-1時(shí)刻冷負(fù)荷、風(fēng)速、T 時(shí)刻室外干球溫度、T-1時(shí)刻太陽輻射值與溫度設(shè)置值。

    表1 冷源系統(tǒng)設(shè)備參數(shù)Table 1 Cold source system equipment parameters

    3.1 特征指標(biāo)提取

    不考慮空調(diào)內(nèi)部因素對(duì)負(fù)荷造成的影響,只考慮空氣溫度、空氣濕度、風(fēng)速等氣象因素。

    表2為特征提取初選指標(biāo)后計(jì)算得到的因素特征值與貢獻(xiàn)率,由表2可知,提取的前6種主成分即可解釋98.00%的信息,其特征解釋率為42.49%、20.21%、14.82%、9.83%、7.74%、2.82%,故將前6項(xiàng)作為影響空調(diào)負(fù)荷的決定性指標(biāo)。

    表2 特征變量提取Table 2 Feature variable extraction

    利用Origin軟件繪制累計(jì)方差貢獻(xiàn)度占比圖,如圖3所示,曲線以降維后保留的特征個(gè)數(shù)為橫坐標(biāo),新特征矩陣可解釋方差貢獻(xiàn)率為縱坐標(biāo)。

    根據(jù)圖3 貢獻(xiàn)度占比圖分析結(jié)果,最終選擇T-1時(shí)刻冷負(fù)荷、太陽輻射、T-1 時(shí)刻室外干球溫度、T 時(shí)刻室外干球溫度、室內(nèi)溫度值和相對(duì)濕度作為模型輸入。

    圖3 貢獻(xiàn)度占比圖Fig.3 Contribution ratio chart

    3.2 參數(shù)設(shè)置

    ELM 學(xué)習(xí)性能也依賴激勵(lì)函數(shù)和隱含層節(jié)點(diǎn)數(shù)的優(yōu)選。依據(jù)遍歷法對(duì)所有可能的取值依次進(jìn)行仿真尋優(yōu),得出最佳的隱含層節(jié)點(diǎn)數(shù)為95,如圖4 所示。仿真比較各個(gè)激勵(lì)函數(shù)的泛化性能指標(biāo),結(jié)果見表3。由表3知,網(wǎng)絡(luò)復(fù)雜情況一致時(shí),Sigmoid性能指標(biāo)最優(yōu),訓(xùn)練時(shí)間最短。因此ELM 的激活函數(shù)選定Sigmoid函數(shù)。由圖4可知,隱含層節(jié)點(diǎn)數(shù)為95時(shí),函數(shù)數(shù)值最小,收斂性能較好。

    圖4 隱含層節(jié)點(diǎn)選取Fig.4 Hidden layer node selection

    表3 ELM 激活函數(shù)的性能比較對(duì)比Table 3 Performance comparison and comparison of ELM activation functions

    3.3 空調(diào)負(fù)荷預(yù)測(cè)結(jié)果分析

    SOA 初始化設(shè)置為:總樣本量20、最大迭代次數(shù)為200、fc=2、u=1、v=1、搜索空間上下限分別為1和-1。

    利用SOA優(yōu)化ELM 的ωj和bj,SOA-ELM 的尋優(yōu)過程共迭代200次,適應(yīng)度收斂曲線如圖5所示。

    圖5 適應(yīng)度收斂曲線Fig.5 Fitness convergence curve

    采用均方根誤差作為迭代時(shí)的適應(yīng)度函數(shù),經(jīng)迭代150次后,均方根誤差數(shù)值穩(wěn)定在2.38,適應(yīng)度曲線收斂并獲得最優(yōu)適應(yīng)度值,表明在此參數(shù)集下SOA-ELM 算法收斂性能良好。此時(shí)可獲取最優(yōu)的ELM 負(fù)荷預(yù)測(cè)模型ωj和bj,最終建立SOAELM 空調(diào)系統(tǒng)需求響應(yīng)時(shí)段負(fù)荷預(yù)測(cè)模型。

    為深入評(píng)價(jià)預(yù)測(cè)效果,采用性能評(píng)價(jià)指標(biāo)分別對(duì)預(yù)測(cè)模型進(jìn)行評(píng)價(jià),結(jié)果見表4。

    表4 模型性能評(píng)價(jià)指標(biāo)對(duì)比Table 4 Model performance evaluation index comparison

    由表4可知:相比較于BP、ELM、PSO-ELM 這3種模型,SOA-ELM 模型的均方根誤差分別降低了0.008 2、0.011 6、0.002 1,平均絕對(duì)百分比誤差分別降低了7.494 8%、5.162 9%、1.011 9%;預(yù)測(cè)時(shí)長(zhǎng)相較于BP、ELM、PSO-ELM 也分別降低了119.301、12.504、3.459;且SOA-ELM 的R2高達(dá)0.991 0,相較于其他模型數(shù)值最趨近于1。證明了SOA-ELM 泛化能力更強(qiáng)、預(yù)測(cè)精度更高、預(yù)測(cè)時(shí)長(zhǎng)更短,具有更高的可靠性,可應(yīng)用于空調(diào)系統(tǒng)需求響應(yīng)時(shí)段的負(fù)荷預(yù)測(cè)。

    圖6為預(yù)測(cè)結(jié)果,其中,圖6(a)為預(yù)測(cè)誤差對(duì)比圖,圖6(b)為預(yù)測(cè)值對(duì)比圖。由圖6(a)可知,對(duì)數(shù)據(jù)進(jìn)行PCA 降維處理后,BP、ELM、PSO-ELM、SOA-ELM 平均絕對(duì)誤差分別為1.27%、1.06%、0.79%、0.33%,SOA-ELM 模型預(yù)測(cè)誤差相較于其他模型的預(yù)測(cè)誤差更優(yōu),說明PCA-SOA-ELM 模型預(yù)測(cè)準(zhǔn)確度提升較大,預(yù)測(cè)效果更佳。由圖6(b)所描述的4種模型預(yù)測(cè)值與真實(shí)值的對(duì)比可得,SOAELM 預(yù)測(cè)模型的預(yù)測(cè)值相比較于BP、ELM、PSOELM 模型都越接近真實(shí)值,擬合情況更優(yōu)越,預(yù)測(cè)效果更明顯。

    圖6 預(yù)測(cè)結(jié)果分析Fig.6 Analysis of forecast results

    表5列出了4種模型測(cè)試集實(shí)際值與預(yù)測(cè)值的對(duì)比,其中包括預(yù)測(cè)輸出值對(duì)比與絕對(duì)誤差對(duì)比2部分。

    表5 空調(diào)負(fù)荷實(shí)際值與預(yù)測(cè)值對(duì)比Table 5 Comparison between actual and predicted air conditioning load kW

    4 結(jié)論

    將某高層建筑綜合辦公樓宇作為研究對(duì)象,提出了一種基于PCA 和SOA 優(yōu)化ELM 的空調(diào)系統(tǒng)需求響應(yīng)時(shí)段負(fù)荷預(yù)測(cè)方法,根據(jù)仿真試驗(yàn)得出以下結(jié)論:

    1) 針對(duì)所采集參數(shù)之間相互影響的問題,采用PCA 對(duì)數(shù)據(jù)進(jìn)行降維,消除數(shù)據(jù)耦合,降低數(shù)據(jù)規(guī)模的同時(shí)對(duì)空調(diào)負(fù)荷影響因素進(jìn)行特征提取。經(jīng)主成分分析特征提取后得到包含98.00%原信息的6項(xiàng)主成分,說明PCA 具有很好的降維和特征提取能力。

    2) 利用SOA 優(yōu)化ELM 的ωj和bj,顯著提高了模型的預(yù)測(cè)性能,其預(yù)測(cè)結(jié)果的均方根誤差為0.013 7,平均絕對(duì)百分比誤差為0.839 2%,決定系數(shù)為0.991 0,訓(xùn)練時(shí)長(zhǎng)為3.482 s,均優(yōu)于BP、ELM、PSO-ELM 的預(yù)測(cè)結(jié)果,證明了SOA-ELM具有更佳的泛化性能和預(yù)測(cè)精度。

    猜你喜歡
    權(quán)值適應(yīng)度空調(diào)
    改進(jìn)的自適應(yīng)復(fù)制、交叉和突變遺傳算法
    一種融合時(shí)間權(quán)值和用戶行為序列的電影推薦模型
    CONTENTS
    空調(diào)病是怎么回事
    基于權(quán)值動(dòng)量的RBM加速學(xué)習(xí)算法研究
    奔馳E260車空調(diào)不正常
    基于空調(diào)導(dǎo)風(fēng)板成型工藝的Kriging模型適應(yīng)度研究
    邁騰車空調(diào)不制冷
    少數(shù)民族大學(xué)生文化適應(yīng)度調(diào)查
    自適應(yīng)遺傳算法的改進(jìn)與應(yīng)用*
    日韩免费高清中文字幕av| 简卡轻食公司| 久久久成人免费电影| 国产免费福利视频在线观看| 国产深夜福利视频在线观看| 美女内射精品一级片tv| 少妇丰满av| 国产精品一区二区三区四区免费观看| 新久久久久国产一级毛片| 18禁在线无遮挡免费观看视频| 午夜福利在线在线| 一个人看视频在线观看www免费| 久久国内精品自在自线图片| 日韩伦理黄色片| 国产高清不卡午夜福利| 午夜精品国产一区二区电影| 成人无遮挡网站| 国内揄拍国产精品人妻在线| 国产伦在线观看视频一区| 日本黄色片子视频| 亚洲成人手机| 精品久久久久久久久av| 日本vs欧美在线观看视频 | 国模一区二区三区四区视频| 777米奇影视久久| 亚洲美女黄色视频免费看| 国产精品国产av在线观看| 97精品久久久久久久久久精品| 黑人猛操日本美女一级片| 美女主播在线视频| 亚洲第一区二区三区不卡| 午夜视频国产福利| 午夜精品国产一区二区电影| 毛片女人毛片| 18禁在线播放成人免费| 菩萨蛮人人尽说江南好唐韦庄| av.在线天堂| 久久国产精品男人的天堂亚洲 | 久久毛片免费看一区二区三区| 国产v大片淫在线免费观看| 欧美日韩国产mv在线观看视频 | 欧美3d第一页| 国产精品熟女久久久久浪| 国产亚洲91精品色在线| 久久久久久伊人网av| 亚洲av国产av综合av卡| 女人久久www免费人成看片| 欧美97在线视频| 久久99热6这里只有精品| 好男人视频免费观看在线| 亚洲一级一片aⅴ在线观看| 国产免费一级a男人的天堂| 97超碰精品成人国产| 免费少妇av软件| 亚洲av在线观看美女高潮| 久久99热6这里只有精品| 亚洲国产色片| 91久久精品国产一区二区成人| av在线播放精品| 舔av片在线| 欧美国产精品一级二级三级 | 日韩av在线免费看完整版不卡| 波野结衣二区三区在线| 亚洲欧美成人精品一区二区| 精品久久久噜噜| 国产爽快片一区二区三区| 欧美精品亚洲一区二区| 精品久久久久久久末码| 久久人人爽av亚洲精品天堂 | 蜜桃亚洲精品一区二区三区| 毛片女人毛片| 国产精品久久久久久av不卡| 超碰av人人做人人爽久久| 亚洲精品国产成人久久av| 亚洲国产精品专区欧美| 亚洲美女黄色视频免费看| 午夜老司机福利剧场| 亚洲av男天堂| 只有这里有精品99| 亚洲电影在线观看av| 性高湖久久久久久久久免费观看| 国产在线一区二区三区精| 欧美xxxx黑人xx丫x性爽| 久久6这里有精品| av国产精品久久久久影院| 亚洲国产av新网站| 国产精品偷伦视频观看了| 亚洲国产高清在线一区二区三| 欧美激情极品国产一区二区三区 | 亚洲四区av| 国产综合精华液| 精品久久国产蜜桃| 日本wwww免费看| av在线观看视频网站免费| 久久热精品热| 亚洲欧美一区二区三区黑人 | 18禁在线无遮挡免费观看视频| 99热全是精品| 偷拍熟女少妇极品色| 一级毛片久久久久久久久女| 精品久久久久久久久av| 精品人妻视频免费看| 国产精品99久久久久久久久| 内地一区二区视频在线| 一级av片app| 国产精品一区二区在线不卡| 国产精品秋霞免费鲁丝片| 国产精品久久久久久久电影| 人体艺术视频欧美日本| 亚洲国产日韩一区二区| 欧美人与善性xxx| 熟女av电影| 欧美高清成人免费视频www| 日韩欧美一区视频在线观看 | 熟妇人妻不卡中文字幕| 99热6这里只有精品| 最近2019中文字幕mv第一页| 亚洲国产色片| 国产精品久久久久久精品电影小说 | 99re6热这里在线精品视频| 新久久久久国产一级毛片| 亚洲精品中文字幕在线视频 | 边亲边吃奶的免费视频| 两个人的视频大全免费| 久久久久久九九精品二区国产| 欧美日韩一区二区视频在线观看视频在线| 国产在线视频一区二区| 91精品一卡2卡3卡4卡| 国产精品人妻久久久久久| 国产午夜精品一二区理论片| 亚洲av中文字字幕乱码综合| 午夜视频国产福利| 欧美日本视频| 不卡视频在线观看欧美| 一级黄片播放器| 青春草国产在线视频| 亚洲av免费高清在线观看| 久久综合国产亚洲精品| 国产亚洲最大av| 在线观看美女被高潮喷水网站| 大片电影免费在线观看免费| 少妇的逼好多水| a级毛片免费高清观看在线播放| 少妇人妻久久综合中文| 精品久久久久久电影网| 少妇被粗大猛烈的视频| 国产精品成人在线| 成人免费观看视频高清| 精品酒店卫生间| 最近中文字幕2019免费版| 国产女主播在线喷水免费视频网站| 中文字幕av成人在线电影| 永久免费av网站大全| 国产精品国产三级专区第一集| 国产 一区精品| 日韩中字成人| 国产一区亚洲一区在线观看| 中国国产av一级| 国精品久久久久久国模美| 免费观看人在逋| 国产野战对白在线观看| 日韩制服丝袜自拍偷拍| 久久狼人影院| 亚洲久久久国产精品| 天天添夜夜摸| 精品福利永久在线观看| av福利片在线| 菩萨蛮人人尽说江南好唐韦庄| www.熟女人妻精品国产| 啦啦啦视频在线资源免费观看| 亚洲自偷自拍图片 自拍| 久久国产精品影院| 久久人人97超碰香蕉20202| 丝袜喷水一区| 国产精品久久久人人做人人爽| 看十八女毛片水多多多| 色网站视频免费| 免费人妻精品一区二区三区视频| 欧美日韩福利视频一区二区| 亚洲av男天堂| av一本久久久久| 国产99久久九九免费精品| 亚洲国产精品成人久久小说| 女人被躁到高潮嗷嗷叫费观| 在线观看一区二区三区激情| 国产成人一区二区在线| 国产一区二区三区综合在线观看| 美女高潮到喷水免费观看| 亚洲av日韩在线播放| 亚洲五月婷婷丁香| 久久这里只有精品19| 国产男女内射视频| 亚洲情色 制服丝袜| 天天躁日日躁夜夜躁夜夜| 下体分泌物呈黄色| 婷婷色av中文字幕| 亚洲国产欧美日韩在线播放| av天堂在线播放| tube8黄色片| 黄色一级大片看看| 国产成人精品久久二区二区91| av福利片在线| 黑人猛操日本美女一级片| 久久99热这里只频精品6学生| 国产成人精品久久二区二区免费| 超碰成人久久| 日韩制服丝袜自拍偷拍| 欧美黄色片欧美黄色片| 美女脱内裤让男人舔精品视频| 18在线观看网站| 国产成人av教育| 一级片'在线观看视频| 国精品久久久久久国模美| 欧美精品啪啪一区二区三区 | 国产精品人妻久久久影院| 久久久久久久久免费视频了| 丁香六月欧美| 狂野欧美激情性bbbbbb| 在线观看一区二区三区激情| 亚洲,欧美,日韩| 中文字幕人妻丝袜制服| 在线观看免费午夜福利视频| 国产精品亚洲av一区麻豆| 欧美大码av| av不卡在线播放| 天天躁夜夜躁狠狠躁躁| 久久久精品免费免费高清| 久久精品国产亚洲av涩爱| 欧美xxⅹ黑人| 亚洲五月婷婷丁香| 亚洲精品乱久久久久久| av在线播放精品| 精品少妇一区二区三区视频日本电影| 亚洲av成人不卡在线观看播放网 | 黄色 视频免费看| 女人高潮潮喷娇喘18禁视频| 免费在线观看完整版高清| 最近最新中文字幕大全免费视频 | 欧美成人午夜精品| 欧美成人精品欧美一级黄| 成人国产一区最新在线观看 | 国产激情久久老熟女| 欧美乱码精品一区二区三区| 飞空精品影院首页| 亚洲av美国av| 电影成人av| av又黄又爽大尺度在线免费看| 亚洲情色 制服丝袜| 女性被躁到高潮视频| 999精品在线视频| 男人添女人高潮全过程视频| 女人久久www免费人成看片| 麻豆av在线久日| 七月丁香在线播放| 国产1区2区3区精品| 国产精品99久久99久久久不卡| 国产真人三级小视频在线观看| 成在线人永久免费视频| 一区在线观看完整版| 爱豆传媒免费全集在线观看| 亚洲中文日韩欧美视频| 99热全是精品| 久久精品aⅴ一区二区三区四区| 国产精品一区二区在线观看99| 天天躁夜夜躁狠狠久久av| 精品久久蜜臀av无| 婷婷色综合www| 午夜免费成人在线视频| 亚洲成人国产一区在线观看 | 看免费av毛片| 三上悠亚av全集在线观看| 国产伦理片在线播放av一区| 极品人妻少妇av视频| 制服人妻中文乱码| 精品人妻熟女毛片av久久网站| 伊人久久大香线蕉亚洲五| 国产一卡二卡三卡精品| 人人妻人人澡人人看| 国产男女内射视频| 日本欧美国产在线视频| av线在线观看网站| 久久亚洲国产成人精品v| 丝袜美腿诱惑在线| 国产精品成人在线| 青春草亚洲视频在线观看| 国产黄色视频一区二区在线观看| 午夜福利视频在线观看免费| 啦啦啦 在线观看视频| 国产精品一国产av| 中文字幕最新亚洲高清| 国产精品熟女久久久久浪| 国产深夜福利视频在线观看| 成年人免费黄色播放视频| 麻豆国产av国片精品| 精品少妇久久久久久888优播| 一边摸一边做爽爽视频免费| 亚洲第一av免费看| 亚洲av日韩在线播放| 国产成人免费观看mmmm| 亚洲av片天天在线观看| 亚洲av成人不卡在线观看播放网 | 亚洲国产精品999| 美女大奶头黄色视频| av网站在线播放免费| 久久久久网色| 欧美av亚洲av综合av国产av| 夫妻性生交免费视频一级片| 免费观看a级毛片全部| 国产日韩一区二区三区精品不卡| 久久久久国产精品人妻一区二区| 亚洲精品久久成人aⅴ小说| 亚洲av欧美aⅴ国产| 又粗又硬又长又爽又黄的视频| 欧美日韩国产mv在线观看视频| 亚洲国产精品国产精品| 久久女婷五月综合色啪小说| 美女主播在线视频| 国产精品一区二区在线不卡| 美女国产高潮福利片在线看| 在线观看一区二区三区激情| 午夜福利免费观看在线| 中文字幕人妻熟女乱码| 欧美精品av麻豆av| av国产精品久久久久影院| 午夜精品国产一区二区电影| 国产精品.久久久| 免费在线观看黄色视频的| 久久精品久久精品一区二区三区| 日韩一区二区三区影片| 男女床上黄色一级片免费看| 日韩大码丰满熟妇| 欧美少妇被猛烈插入视频| 老司机在亚洲福利影院| 午夜影院在线不卡| 亚洲av日韩在线播放| 国产男人的电影天堂91| 女性被躁到高潮视频| 亚洲第一av免费看| 母亲3免费完整高清在线观看| 一边亲一边摸免费视频| 欧美日韩av久久| 亚洲男人天堂网一区| 亚洲熟女精品中文字幕| 色视频在线一区二区三区| 亚洲精品国产区一区二| 午夜福利,免费看| 成人黄色视频免费在线看| 天堂8中文在线网| 亚洲精品国产av蜜桃| 成人亚洲欧美一区二区av| 日韩伦理黄色片| 丝袜美足系列| 久久人人97超碰香蕉20202| av有码第一页| 久久99精品国语久久久| 亚洲国产精品一区三区| 丰满饥渴人妻一区二区三| 看十八女毛片水多多多| 女人精品久久久久毛片| 一本大道久久a久久精品| 国产精品久久久久久精品古装| 精品视频人人做人人爽| 中国美女看黄片| 国产精品三级大全| 妹子高潮喷水视频| 亚洲视频免费观看视频| 日本av免费视频播放| 欧美日韩国产mv在线观看视频| 少妇精品久久久久久久| 久久精品国产亚洲av高清一级| 欧美中文综合在线视频| 在线 av 中文字幕| 久久久欧美国产精品| 国产精品国产三级专区第一集| 日日夜夜操网爽| 丝瓜视频免费看黄片| 色网站视频免费| 亚洲精品乱久久久久久| 日韩一区二区三区影片| 国产不卡av网站在线观看| 女警被强在线播放| 天天躁日日躁夜夜躁夜夜| 波多野结衣av一区二区av| 国产精品 国内视频| 丁香六月欧美| 日韩电影二区| 亚洲精品久久久久久婷婷小说| 亚洲av电影在线观看一区二区三区| 女人被躁到高潮嗷嗷叫费观| 叶爱在线成人免费视频播放| 首页视频小说图片口味搜索 | 性少妇av在线| 男男h啪啪无遮挡| 青春草视频在线免费观看| 国产精品成人在线| 久久青草综合色| av天堂在线播放| 一级,二级,三级黄色视频| 黑人猛操日本美女一级片| 亚洲精品国产区一区二| 啦啦啦 在线观看视频| 十分钟在线观看高清视频www| a级毛片黄视频| 久久毛片免费看一区二区三区| 欧美日韩福利视频一区二区| 我要看黄色一级片免费的| 美女中出高潮动态图| 亚洲一区二区三区欧美精品| 色视频在线一区二区三区| 久久久久久久国产电影| 亚洲欧美精品自产自拍| 亚洲精品国产色婷婷电影| 亚洲av综合色区一区| 午夜福利免费观看在线| 一本色道久久久久久精品综合| 一边摸一边抽搐一进一出视频| 久久天堂一区二区三区四区| 只有这里有精品99| 精品国产国语对白av| 日本五十路高清| 最新的欧美精品一区二区| 免费一级毛片在线播放高清视频 | 成人免费观看视频高清| 一本—道久久a久久精品蜜桃钙片| 亚洲欧美日韩另类电影网站| 亚洲av电影在线进入| 中文字幕最新亚洲高清| 亚洲精品一区蜜桃| 天天躁夜夜躁狠狠久久av| 日日摸夜夜添夜夜爱| 午夜福利视频在线观看免费| 日韩av在线免费看完整版不卡| 一级毛片我不卡| www.999成人在线观看| 中文字幕色久视频| 麻豆乱淫一区二区| 99精国产麻豆久久婷婷| svipshipincom国产片| 亚洲精品中文字幕在线视频| 国产熟女欧美一区二区| 久久人人爽av亚洲精品天堂| 欧美97在线视频| 美女主播在线视频| 美女国产高潮福利片在线看| 亚洲中文av在线| 自拍欧美九色日韩亚洲蝌蚪91| 欧美 日韩 精品 国产| 电影成人av| 少妇猛男粗大的猛烈进出视频| 亚洲人成网站在线观看播放| 99热网站在线观看| 亚洲成人免费电影在线观看 | 啦啦啦视频在线资源免费观看| 国产精品香港三级国产av潘金莲 | 乱人伦中国视频| 男人操女人黄网站| 1024视频免费在线观看| 久久久久精品人妻al黑| 日韩av不卡免费在线播放| 日韩伦理黄色片| 久久精品国产综合久久久| 亚洲欧美色中文字幕在线| 日本a在线网址| 日韩中文字幕视频在线看片| 日韩免费高清中文字幕av| 国产精品麻豆人妻色哟哟久久| 男女之事视频高清在线观看 | 免费高清在线观看日韩| 一边亲一边摸免费视频| 亚洲专区中文字幕在线| 免费观看人在逋| 一级毛片电影观看| 国产深夜福利视频在线观看| 高清黄色对白视频在线免费看| av天堂久久9| 男人舔女人的私密视频| 亚洲国产精品一区二区三区在线| av一本久久久久| 日本五十路高清| 免费高清在线观看视频在线观看| 老司机影院成人| 成人免费观看视频高清| 亚洲欧洲日产国产| 久久久久久久大尺度免费视频| 大陆偷拍与自拍| www.熟女人妻精品国产| 天天躁夜夜躁狠狠躁躁| 国产女主播在线喷水免费视频网站| 久久久精品94久久精品| 久久人人97超碰香蕉20202| 久久人妻福利社区极品人妻图片 | 久久久久久久国产电影| 欧美xxⅹ黑人| 黄色a级毛片大全视频| 一个人免费看片子| 欧美日韩成人在线一区二区| 亚洲国产最新在线播放| 99re6热这里在线精品视频| 日韩中文字幕视频在线看片| 日韩制服丝袜自拍偷拍| 嫁个100分男人电影在线观看 | 国产精品.久久久| www.熟女人妻精品国产| 精品人妻一区二区三区麻豆| 亚洲av国产av综合av卡| 夜夜骑夜夜射夜夜干| 亚洲第一青青草原| 一级毛片 在线播放| 亚洲中文字幕日韩| 天天操日日干夜夜撸| 精品国产国语对白av| 老汉色av国产亚洲站长工具| 可以免费在线观看a视频的电影网站| 啦啦啦啦在线视频资源| 国产伦人伦偷精品视频| 高潮久久久久久久久久久不卡| 亚洲欧美色中文字幕在线| 欧美日韩一级在线毛片| 国产精品99久久99久久久不卡| 99国产综合亚洲精品| 久久国产精品人妻蜜桃| 波多野结衣av一区二区av| 日本av免费视频播放| 下体分泌物呈黄色| 欧美日韩综合久久久久久| 亚洲国产精品一区三区| 天天躁狠狠躁夜夜躁狠狠躁| 香蕉国产在线看| 午夜激情av网站| 人体艺术视频欧美日本| av国产精品久久久久影院| 国产欧美日韩一区二区三 | 不卡av一区二区三区| 丝袜喷水一区| 免费观看人在逋| 国产精品三级大全| 欧美精品亚洲一区二区| 免费看不卡的av| 久9热在线精品视频| 精品高清国产在线一区| 日韩 欧美 亚洲 中文字幕| 色精品久久人妻99蜜桃| 久久久久精品国产欧美久久久 | 天堂中文最新版在线下载| 2018国产大陆天天弄谢| 亚洲精品第二区| 欧美黑人欧美精品刺激| 观看av在线不卡| 欧美精品亚洲一区二区| 成年人免费黄色播放视频| 午夜免费鲁丝| 亚洲精品美女久久av网站| 啦啦啦视频在线资源免费观看| 国产精品二区激情视频| 欧美日韩亚洲国产一区二区在线观看 | 亚洲av成人不卡在线观看播放网 | 国产色视频综合| 亚洲欧美激情在线| 男女边摸边吃奶| 又黄又粗又硬又大视频| 在线天堂中文资源库| 久久国产精品人妻蜜桃| 午夜福利一区二区在线看| 一本色道久久久久久精品综合| 999久久久国产精品视频| 成人手机av| 一二三四在线观看免费中文在| 人成视频在线观看免费观看| 大陆偷拍与自拍| 亚洲欧美清纯卡通| 国产高清不卡午夜福利| 亚洲成人手机| 女性生殖器流出的白浆| 啦啦啦中文免费视频观看日本| 中文字幕人妻丝袜一区二区| www.熟女人妻精品国产| 欧美黑人精品巨大| 啦啦啦在线观看免费高清www| 新久久久久国产一级毛片| 黄色片一级片一级黄色片| 中文字幕亚洲精品专区| 欧美人与性动交α欧美精品济南到| 建设人人有责人人尽责人人享有的| 大型av网站在线播放| 一本大道久久a久久精品| 免费高清在线观看日韩| 午夜日韩欧美国产| 午夜福利在线免费观看网站| 中文字幕高清在线视频| 黄色视频不卡| 啦啦啦视频在线资源免费观看| 国产三级黄色录像| 精品高清国产在线一区| 成人亚洲欧美一区二区av| 最近手机中文字幕大全| 欧美xxⅹ黑人| 成年人午夜在线观看视频| 亚洲一码二码三码区别大吗| 国产精品久久久久成人av| 99国产综合亚洲精品| av电影中文网址| 免费女性裸体啪啪无遮挡网站| 99国产精品一区二区三区| 免费观看人在逋| 老司机亚洲免费影院| 国产女主播在线喷水免费视频网站| 国产精品一区二区精品视频观看| 色精品久久人妻99蜜桃| 韩国高清视频一区二区三区| 日本av免费视频播放| 丝袜在线中文字幕| 人人妻人人澡人人看| 新久久久久国产一级毛片| 亚洲精品乱久久久久久| 搡老岳熟女国产|