• <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 ?

    基于改進(jìn)粒子群算法的前饋神經(jīng)網(wǎng)絡(luò)識(shí)別用戶竊電行為

    2022-11-23 02:53:50李秋紅
    電氣技術(shù) 2022年11期
    關(guān)鍵詞:遺傳算法準(zhǔn)確率粒子

    李秋紅

    基于改進(jìn)粒子群算法的前饋神經(jīng)網(wǎng)絡(luò)識(shí)別用戶竊電行為

    李秋紅

    (山東農(nóng)業(yè)工程學(xué)院,濟(jì)南 250100)

    為減小用戶竊電行為對(duì)電網(wǎng)運(yùn)營(yíng)造成的負(fù)面影響、提高竊電巡檢能力和識(shí)別竊電用戶的準(zhǔn)確率,提出基于改進(jìn)粒子群算法(BFO-PSO)的前饋神經(jīng)網(wǎng)絡(luò)模型用于識(shí)別用戶竊電行為。以某市近四年的用電數(shù)據(jù)為基礎(chǔ),通過(guò)特征提取,得到四個(gè)對(duì)竊電行為影響較大的特征作為輸入樣本,構(gòu)建基于BFO-PSO算法的前饋神經(jīng)網(wǎng)絡(luò)識(shí)別模型,利用BFO-PSO計(jì)算BP神經(jīng)網(wǎng)絡(luò)模型的最優(yōu)權(quán)重值。對(duì)比BP神經(jīng)網(wǎng)絡(luò)模型、基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)模型及基于BFO-PSO的BP神經(jīng)網(wǎng)絡(luò)模型識(shí)別結(jié)果發(fā)現(xiàn),基于BFO-PSO的BP神經(jīng)網(wǎng)絡(luò)模型能夠更好地識(shí)別出竊電用戶,識(shí)別準(zhǔn)確率高達(dá)94%,訓(xùn)練速度提升了5%,有望廣泛應(yīng)用于竊電用戶識(shí)別中。

    竊電;改進(jìn)粒子群算法;前饋神經(jīng)網(wǎng)絡(luò);用戶識(shí)別

    0 引言

    隨著經(jīng)濟(jì)飛速發(fā)展,人們的用電需求越來(lái)越高,出現(xiàn)一些不法分子實(shí)施竊電行為。全國(guó)每年因竊電造成的損失逾百億元,給電力系統(tǒng)的安全與穩(wěn)定帶來(lái)極大隱患[1-2]。由于竊電手段繁多,且多發(fā)生在偏遠(yuǎn)地區(qū),人為排查耗時(shí)耗力,難以獲取確鑿證據(jù)。因此,當(dāng)出現(xiàn)竊電行為時(shí),能在復(fù)雜環(huán)境中進(jìn)行準(zhǔn)確定位獲得有力證據(jù),對(duì)維護(hù)電力系統(tǒng)的穩(wěn)定有重要意義。

    借助電力計(jì)量設(shè)備獲取各相電流、電壓、功率因數(shù)等數(shù)據(jù)和一些異常警報(bào)信息,通過(guò)分析處理這些數(shù)據(jù),提取竊電用戶的關(guān)鍵特征,構(gòu)建竊電用戶識(shí)別模型,可判斷用戶是否有竊電行為[3]。文獻(xiàn)[4]通過(guò)用戶負(fù)荷曲線與特征曲線之間的相似度,篩選具有竊電嫌疑的用戶;文獻(xiàn)[5]基于傳遞熵密度聚類的方法,構(gòu)建與線損電量的傳遞熵模型,再結(jié)合密度聚類算法,達(dá)到識(shí)別用戶竊電行為的目的。

    竊電用戶識(shí)別模型的建立方法有多種,BP(back propagation)神經(jīng)網(wǎng)絡(luò)模型因具有較好的非線性映射能力及容錯(cuò)性,在建模及圖像識(shí)別領(lǐng)域得到了廣泛關(guān)注。但該模型所需訓(xùn)練數(shù)據(jù)多,易陷入局部最優(yōu)解,最終導(dǎo)致預(yù)測(cè)結(jié)果與實(shí)際值偏差較大[6]。為了提高BP神經(jīng)網(wǎng)絡(luò)模型的收斂速度,引入粒子群優(yōu)化算法(particle swarm optimization, PSO),但傳統(tǒng)粒子群算法與神經(jīng)網(wǎng)絡(luò)模型結(jié)合時(shí)易出現(xiàn)局部最優(yōu)解、計(jì)算精度不高等問(wèn)題。細(xì)菌覓食優(yōu)化算法(bacterial foraging optimization, BFO)除了具有與PSO相同的優(yōu)點(diǎn)外,還具有較強(qiáng)的局部搜索能力。因此,將BFO與PSO相結(jié)合[7],建立基于改進(jìn)粒子群算法(BFO-PSO)的前饋神經(jīng)網(wǎng)絡(luò)模型,通過(guò)數(shù)據(jù)處理確定模型訓(xùn)練樣本,并合理設(shè)定模型初始化參數(shù),可有效解決粒子群算法與神經(jīng)網(wǎng)絡(luò)模型相結(jié)合時(shí)的局部收斂和收斂速度慢等問(wèn)題。將該模型用于竊電用戶行為識(shí)別,可實(shí)現(xiàn)快速準(zhǔn)確識(shí)別。

    1 理論模型與算法

    1.1 BP神經(jīng)網(wǎng)絡(luò)模型

    BP神經(jīng)網(wǎng)絡(luò)模型是一種按誤差反向傳播訓(xùn)練的前饋神經(jīng)網(wǎng)絡(luò)模型,其以梯度下降法為思想,通過(guò)梯度搜索使模型的實(shí)際輸出值與期望輸出值的誤差方均差為最小。目前使用最多且最簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)模型由三層結(jié)構(gòu)組成,即輸入層、輸出層和隱含層[8-9]。神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)如圖1所示,訓(xùn)練過(guò)程如圖2所示。

    圖1 神經(jīng)網(wǎng)絡(luò)模型的拓?fù)浣Y(jié)構(gòu)

    圖2 訓(xùn)練過(guò)程

    1.2 改進(jìn)粒子群算法

    假設(shè)搜索空間維度為,個(gè)不同的粒子構(gòu)成種群,粒子在每次搜索過(guò)程中,按照式(1)和式(2)來(lái)自動(dòng)更新速度和位置。

    為解決PSO易陷入局部最優(yōu)和收斂速度慢等問(wèn)題,將標(biāo)準(zhǔn)PSO作為變異算子引入BFO中,去掉式(1)中第二部分,得到改進(jìn)后的粒子速度和位置更新公式為

    按式(3)和式(4)更新粒子菌群位置,計(jì)算出新的適應(yīng)值。

    2 基于改進(jìn)粒子群算法的前饋神經(jīng)網(wǎng)絡(luò)識(shí)別模型

    由于用電負(fù)荷不能直接表征用戶的竊電行為,終端報(bào)警信息也存在不準(zhǔn)確性。因此,在識(shí)別模型建立之前需要對(duì)采集到的原始數(shù)據(jù)進(jìn)行處理。

    2.1 數(shù)據(jù)清洗

    對(duì)用戶用電量進(jìn)行周期性分析后不難發(fā)現(xiàn),正常用戶的用電量趨勢(shì)沒(méi)有太大波動(dòng),基本趨于平穩(wěn);而竊電用戶的用電量趨勢(shì)下降明顯。因此,可根據(jù)用戶電量趨勢(shì)變化來(lái)判斷正常用戶和竊電用戶。由于竊電用戶在全國(guó)用電用戶中居于少數(shù),并且像醫(yī)院、學(xué)校、銀行等非居民類別的用戶不可能存在竊電行為,為獲取更為有效的竊電行為數(shù)據(jù),在采集到的原始數(shù)據(jù)中需將不可能出現(xiàn)竊電行為的用戶用電量數(shù)據(jù)濾除。由于正常情況下節(jié)假日的用電量比工作日低,因此節(jié)假日的用電數(shù)據(jù)也需要濾除。

    2.2 缺失值處理

    在提取用戶用電量數(shù)據(jù)時(shí),會(huì)存在部分?jǐn)?shù)據(jù)缺失。為更好地建立模型,通過(guò)拉格朗日插值法插補(bǔ)缺失的數(shù)據(jù)[12],用戶電量補(bǔ)全部分?jǐn)?shù)據(jù)見(jiàn)表1。

    表1 用戶電量補(bǔ)全部分?jǐn)?shù)據(jù)

    2.3 特征數(shù)據(jù)提取

    通過(guò)計(jì)量?jī)x表采集的數(shù)據(jù),雖能表征竊電行為的某些規(guī)律,但作為模型的訓(xùn)練樣本,其特征不清晰,需進(jìn)行特征提取。利用逐步回歸法進(jìn)行特征篩選,篩選出與竊電關(guān)聯(lián)度較高的指標(biāo)因子,將這些因子構(gòu)成數(shù)據(jù)集作為輸入樣本來(lái)反映竊電行為。竊電評(píng)價(jià)指標(biāo)體系如圖3所示。

    圖3 竊電評(píng)價(jià)指標(biāo)體系

    2.4 建立識(shí)別模型

    本文給出一種改進(jìn)粒子群算法(BFO-PSO),基于該算法建立竊電用戶識(shí)別模型。在樣本準(zhǔn)備完成后,需要?jiǎng)澐譁y(cè)試樣本和訓(xùn)練樣本,隨機(jī)選取20%的數(shù)據(jù)作為測(cè)試樣本,剩下的作為訓(xùn)練樣本。模型輸入包括用電量下降趨勢(shì)、線損增長(zhǎng)率、終端告警數(shù)和欠費(fèi)次數(shù)。識(shí)別模型算法流程如圖4所示。

    圖4 識(shí)別模型算法流程

    1)初始化不變參數(shù)。

    2)用隨機(jī)函數(shù)隨機(jī)確定每個(gè)粒子的速度和位置。

    3)確定解空間,進(jìn)行遷徙操作。

    4)執(zhí)行復(fù)制操作。

    5)按式(5)執(zhí)行趨向操作。

    7)菌群尋找最優(yōu)位置,并按式(3)和式(4)更新菌群位置,按式(6)計(jì)算菌群的適應(yīng)值,與last比較,更新last。

    8)判斷迭代次數(shù)是否滿足條件,滿足則將最優(yōu)解輸入BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練,不滿足則返回第3)步進(jìn)行下一代集群處理。

    由于竊電識(shí)別結(jié)果有竊電和正常兩種情況,屬于二分類問(wèn)題,因此采用ROC(receiver operating characteristic)曲線和AUC(area under curve)作為竊電識(shí)別模型的評(píng)價(jià)指標(biāo)。ROC曲線的橫軸為假正率(false positive rate, FPR),表示識(shí)別模型識(shí)別的正常樣本中含有竊電樣本數(shù)據(jù)的比例;縱軸為真正率(true positive rate, TPR),表示識(shí)別模型識(shí)別的正常樣本中實(shí)際正常樣本占所有正常樣本數(shù)據(jù)的比 例[13]。因此,TPR值越大,表示識(shí)別為正常數(shù)據(jù)中真正為正常數(shù)據(jù)的樣本越多;而FPR值越小,表示識(shí)別為正常樣本的數(shù)據(jù)中真正為竊電數(shù)據(jù)的樣本越少。所以,ROC曲線越趨于左上角,表示模型對(duì)用戶竊電行為識(shí)別的準(zhǔn)確率就越高。

    將ROC曲線與橫軸包圍的面積值定義為AUC,利用AUC的值能有效衡量模型的分類性能。對(duì)于竊電識(shí)別這一二分類問(wèn)題,由于識(shí)別模型的預(yù)測(cè)能力必須要高于隨機(jī)猜測(cè),通常AUC>0.5,當(dāng)AUC>0.9時(shí),表示識(shí)別模型具有非常高的預(yù)測(cè)能力。

    3 算例仿真與分析

    為了驗(yàn)證基于改進(jìn)粒子群算法的前饋神經(jīng)網(wǎng)絡(luò)識(shí)別模型的識(shí)別能力,選取某市近四年用電數(shù)據(jù)中2 242個(gè)數(shù)據(jù)為算例樣本,與BP神經(jīng)網(wǎng)絡(luò)模型和基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行仿真對(duì)比。仿真時(shí),BP神經(jīng)網(wǎng)絡(luò)模型的隱含層設(shè)定9個(gè)節(jié)點(diǎn),通過(guò)tansig和purelin函數(shù)分別激活隱含層和輸出層,設(shè)定迭代200次,最小誤差設(shè)為0.000 1,學(xué)習(xí)率為0.01;遺傳算法進(jìn)化設(shè)為30代,種群規(guī)模為20,交叉選擇概率設(shè)為0.25,變異選擇概率設(shè)為0.15;粒子群算法進(jìn)化設(shè)為30代,種群規(guī)模為20,學(xué)習(xí)因子1=2=1.5。

    通過(guò)仿真建立BP神經(jīng)網(wǎng)絡(luò)模型、基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)模型和基于改進(jìn)粒子群算法的BP神經(jīng)網(wǎng)絡(luò)模型,得到訓(xùn)練時(shí)間見(jiàn)表2。

    從表2可以看出,基于改進(jìn)粒子群算法的BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練時(shí)間最短;與BP神經(jīng)網(wǎng)絡(luò)模型相比,基于改進(jìn)粒子群算法的BP神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練速度提升了5%。仿真得到三種模型的ROC曲線分別如圖5~圖7所示,識(shí)別結(jié)果對(duì)比見(jiàn)表3。

    圖5 BP神經(jīng)網(wǎng)絡(luò)模型ROC曲線

    圖6 基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)模型ROC曲線

    圖7 基于改進(jìn)粒子群算法的BP神經(jīng)網(wǎng)絡(luò)模型ROC曲線

    表3 識(shí)別結(jié)果對(duì)比

    表3中,TP為正常用戶識(shí)別正確的數(shù)量,F(xiàn)P為正常用戶識(shí)別錯(cuò)誤的數(shù)量,F(xiàn)N為竊電用戶識(shí)別錯(cuò)誤的數(shù)量,TN為竊電用戶識(shí)別正確的數(shù)量。將表3中的識(shí)別結(jié)果代入式(7)~式(9)計(jì)算出識(shí)別率對(duì)比見(jiàn)表4。

    表4 識(shí)別率對(duì)比

    通過(guò)對(duì)比分析三種模型的ROC曲線可得,基于改進(jìn)粒子群算法的BP神經(jīng)網(wǎng)絡(luò)模型的ROC曲線更趨向于左上角,AUC值最大,分類識(shí)別性能優(yōu)于其他兩種模型。三種模型均能識(shí)別出竊電用戶,但識(shí)別率不同。BP神經(jīng)網(wǎng)絡(luò)模型的識(shí)別準(zhǔn)確率為83%,誤判率為10.28%,漏判率為23.45%;基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)模型的識(shí)別準(zhǔn)確率僅為71%,低于另外兩種模型,誤判率為27.21%,漏判率為30.71%;基于改進(jìn)粒子群算法的BP神經(jīng)網(wǎng)絡(luò)模型的識(shí)別準(zhǔn)確率為94%,誤判率為6.19%,漏判率為5.77%。仿真結(jié)果表明,基于改進(jìn)粒子群算法的BP神經(jīng)網(wǎng)絡(luò)模型識(shí)別準(zhǔn)確率最高,漏判、誤判率最低,訓(xùn)練時(shí)間最短,能更好地識(shí)別出竊電用戶。

    4 結(jié)論

    針對(duì)識(shí)別用戶竊電行為的問(wèn)題,本文提出了一種基于改進(jìn)粒子群算法的BP神經(jīng)網(wǎng)絡(luò)模型。以某市近四年用電數(shù)據(jù)中2 242個(gè)樣本數(shù)據(jù)為例,仿真分析所提出模型的可行性及有效性。通過(guò)與BP神經(jīng)網(wǎng)絡(luò)模型和基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行對(duì)比,得出本文所提基于改進(jìn)粒子群算法的BP神經(jīng)網(wǎng)絡(luò)模型的識(shí)別準(zhǔn)確率最高、誤判率和漏判率最低、訓(xùn)練時(shí)間最短的結(jié)論。該模型可用于識(shí)別竊電用戶,為保障電力系統(tǒng)安全運(yùn)行提供理論支撐。

    [1] 張宇帆, 艾芊, 李昭昱, 等. 基于特征提取的面向邊緣數(shù)據(jù)中心的竊電監(jiān)測(cè)[J]. 電力系統(tǒng)自動(dòng)化, 2020, 44(9): 128-134.

    [2] 雷怡琴, 孫兆龍, 葉志浩, 等. 電力系統(tǒng)負(fù)荷非侵入式監(jiān)測(cè)方法研究[J]. 電工技術(shù)學(xué)報(bào), 2021, 36(11): 2288-2297.

    [3] 唐冬來(lái), 劉友波, 熊智臨, 等. 基于時(shí)空關(guān)聯(lián)矩陣的配電臺(tái)區(qū)反竊電預(yù)警方法[J]. 電力系統(tǒng)自動(dòng)化, 2020, 44(19): 168-176.

    [4] 宋少杰, 張長(zhǎng)勝, 李英娜, 等. 基于曲線相似度和集成學(xué)習(xí)的竊電識(shí)別[J]. 數(shù)據(jù)通信, 2022(3): 39-44.

    [5] 劉康, 李彬, 薛陽(yáng), 等. 基于傳遞熵密度聚類的用戶竊電識(shí)別方法[J/OL]. 中國(guó)電機(jī)工程學(xué)報(bào), 2022, https://kns.cnki.net/kcms/detail/11.2107.TM.20211203. 0323.003.html.

    [6] 金晟, 蘇盛, 曹一家, 等. 基于格蘭杰歸因分析的高損臺(tái)區(qū)竊電檢測(cè)[J]. 電力系統(tǒng)自動(dòng)化, 2020, 44(23): 78-86.

    [7] 楊萍, 孫延明, 劉小龍, 等. 基于細(xì)菌覓食趨化算子的PSO算法[J]. 計(jì)算機(jī)應(yīng)用研究, 2011, 28(10): 3640-3642.

    [8] 徐揚(yáng), 張紫濤. 基于遺傳模擬退火算法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的中長(zhǎng)期電力負(fù)荷預(yù)測(cè)[J]. 電氣技術(shù), 2021, 22(9): 70-76.

    [9] 聞楓, 荊凡勝, 李強(qiáng), 等. 基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的無(wú)線電能傳輸系統(tǒng)接收線圈參數(shù)優(yōu)化[J]. 電工技術(shù)學(xué)報(bào), 2021, 36(增刊2): 412-422.

    [10] 楊尚君, 王社偉, 陶軍, 等. 基于混合細(xì)菌覓食算法的多目標(biāo)優(yōu)化方法[J]. 計(jì)算機(jī)仿真, 2012, 29(6): 218-222.

    [11] 李濤, 方文田. 基于粒子群優(yōu)化算法的金屬氧化物避雷器阻性電流計(jì)算方法研究[J]. 電氣技術(shù), 2021, 22(11): 104-108.

    [12] 趙莉, 孫娜, 李麗萍, 等. 拉格朗日插值法在數(shù)據(jù)清洗中的應(yīng)用[J]. 遼寧工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版), 2022, 42(2): 102-105, 117.

    [13] 巢政, 溫蜜. 一種基于SMOTE和XGBoost的竊電檢測(cè)方案[J]. 智慧電力, 2020, 48(11): 97-102.

    Feedforward neural network based on improved particle swarm optimization algorithm for identification of user electricity stealing behavior

    LI Qiuhong

    (Shandong Agriculture and Engineering University, Ji’nan 250100)

    In order to reduce the negative impact of electricity theft on power grid operation, improve the ability of electricity theft inspection and the accuracy of identifying electricity theft users, a feedforward neural network model based on improved particle swarm optimization algorithm (BFO-PSO) is proposed. Based on the electricity consumption data of a city in recent four years, through feature extraction, four features that have a greater impact on electricity stealing behavior are obtained as input samples. A feedforward neural network recognition model based on BFO-PSO algorithm is constructed, and the optimal weight value of BP neural network model are calculated by using algorithm BFO-PSO. By comparing the recognition results of BP neural network model, the genetic algorithm based BP neural network model and the BFO-PSO based BP neural network model, it is found that the BP network model based on BFO-PSO can better identify the power stealing users. The recognition accuracy is as high as 94%, and the training speed is increased by 5%. It is expected to be widely used in the power stealing user recognition.

    stealing electricity; improved particle swarm optimization; feedforward neural network; user identification

    2022-07-04

    2022-07-26

    李秋紅(1990—),女,山東省臨清市人,碩士,助教,主要從事智能電器、電氣設(shè)備智能化方面的研究工作。

    猜你喜歡
    遺傳算法準(zhǔn)確率粒子
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    2015—2017 年寧夏各天氣預(yù)報(bào)參考產(chǎn)品質(zhì)量檢驗(yàn)分析
    基于粒子群優(yōu)化的橋式起重機(jī)模糊PID控制
    高速公路車牌識(shí)別標(biāo)識(shí)站準(zhǔn)確率驗(yàn)證法
    基于粒子群優(yōu)化極點(diǎn)配置的空燃比輸出反饋控制
    基于自適應(yīng)遺傳算法的CSAMT一維反演
    一種基于遺傳算法的聚類分析方法在DNA序列比較中的應(yīng)用
    基于遺傳算法和LS-SVM的財(cái)務(wù)危機(jī)預(yù)測(cè)
    基于改進(jìn)的遺傳算法的模糊聚類算法
    日本成人三级电影网站| 亚洲色图 男人天堂 中文字幕| 午夜精品久久久久久毛片777| 精品午夜福利视频在线观看一区| 欧美精品啪啪一区二区三区| 午夜a级毛片| 精品国产乱码久久久久久男人| 麻豆成人午夜福利视频| 人妻丰满熟妇av一区二区三区| 成人国产综合亚洲| 国产又色又爽无遮挡免费看| 日日干狠狠操夜夜爽| xxxwww97欧美| 国产伦在线观看视频一区| 男人舔女人的私密视频| 一个人免费在线观看的高清视频| 女警被强在线播放| 亚洲国产日韩欧美精品在线观看 | 在线观看日韩欧美| 亚洲 欧美一区二区三区| 成人特级黄色片久久久久久久| 国产av一区二区精品久久| 日韩视频一区二区在线观看| 老司机午夜十八禁免费视频| 亚洲 欧美一区二区三区| 欧美日韩黄片免| 午夜免费观看网址| 精品欧美国产一区二区三| 亚洲欧洲精品一区二区精品久久久| 色婷婷久久久亚洲欧美| 男女做爰动态图高潮gif福利片| 亚洲精品中文字幕一二三四区| 欧美丝袜亚洲另类 | 午夜免费鲁丝| 欧美日韩黄片免| 日本精品一区二区三区蜜桃| 成年人黄色毛片网站| 最近最新中文字幕大全电影3 | 91av网站免费观看| 老司机午夜福利在线观看视频| 黑人操中国人逼视频| 欧美+亚洲+日韩+国产| 亚洲精品国产精品久久久不卡| 国产熟女午夜一区二区三区| 亚洲午夜理论影院| 美女大奶头视频| 亚洲七黄色美女视频| 欧美中文日本在线观看视频| 一本大道久久a久久精品| 免费看a级黄色片| or卡值多少钱| 亚洲第一欧美日韩一区二区三区| 老司机在亚洲福利影院| 久久精品夜夜夜夜夜久久蜜豆 | 大香蕉久久成人网| 日日夜夜操网爽| 日韩免费av在线播放| 变态另类丝袜制服| 十分钟在线观看高清视频www| 窝窝影院91人妻| 91九色精品人成在线观看| 夜夜爽天天搞| 香蕉丝袜av| 国产精品久久久久久人妻精品电影| 免费看美女性在线毛片视频| 一边摸一边抽搐一进一小说| 18禁裸乳无遮挡免费网站照片 | 一夜夜www| 久久香蕉国产精品| 国产精品二区激情视频| 91成年电影在线观看| 亚洲七黄色美女视频| 69av精品久久久久久| 久久久久久国产a免费观看| 在线观看一区二区三区| 中文字幕精品免费在线观看视频| 在线国产一区二区在线| 最新美女视频免费是黄的| 美女扒开内裤让男人捅视频| www.熟女人妻精品国产| 美女扒开内裤让男人捅视频| 国产精品永久免费网站| 亚洲人成网站高清观看| 最近最新中文字幕大全电影3 | 亚洲av成人一区二区三| 婷婷亚洲欧美| 国产99白浆流出| 欧美+亚洲+日韩+国产| 精品人妻1区二区| 他把我摸到了高潮在线观看| 亚洲成人国产一区在线观看| 日韩欧美一区视频在线观看| 国产男靠女视频免费网站| 韩国精品一区二区三区| 国产精品综合久久久久久久免费| 老汉色∧v一级毛片| 亚洲国产精品sss在线观看| 久久久久久久久久黄片| 精品免费久久久久久久清纯| 18美女黄网站色大片免费观看| av福利片在线| 1024手机看黄色片| 女警被强在线播放| 别揉我奶头~嗯~啊~动态视频| 嫩草影视91久久| 精品久久蜜臀av无| 国产精品98久久久久久宅男小说| 亚洲av成人av| 欧美黄色淫秽网站| 亚洲成人免费电影在线观看| 变态另类丝袜制服| 国产v大片淫在线免费观看| 亚洲午夜精品一区,二区,三区| 国产主播在线观看一区二区| av视频在线观看入口| 欧美黑人巨大hd| 欧美成人午夜精品| 亚洲一区中文字幕在线| 国产精品综合久久久久久久免费| 国产一区在线观看成人免费| 99精品欧美一区二区三区四区| 久久人妻福利社区极品人妻图片| 欧美中文日本在线观看视频| 日本黄色视频三级网站网址| 久久中文字幕人妻熟女| 欧美日韩亚洲国产一区二区在线观看| av免费在线观看网站| 在线免费观看的www视频| 麻豆成人午夜福利视频| 黑人操中国人逼视频| 国产一区在线观看成人免费| 久久九九热精品免费| 啦啦啦韩国在线观看视频| 日本五十路高清| 免费人成视频x8x8入口观看| 一级毛片女人18水好多| 精品久久久久久,| 亚洲国产欧美一区二区综合| 日日爽夜夜爽网站| 一a级毛片在线观看| 十八禁人妻一区二区| 可以在线观看毛片的网站| av天堂在线播放| 日日干狠狠操夜夜爽| 精品久久久久久久久久久久久 | 在线天堂中文资源库| 久久这里只有精品19| 国产免费男女视频| 香蕉av资源在线| 久久香蕉激情| 午夜激情av网站| 波多野结衣高清作品| 三级毛片av免费| 欧美性长视频在线观看| 国产黄a三级三级三级人| 成人国语在线视频| 色哟哟哟哟哟哟| 黑丝袜美女国产一区| 特大巨黑吊av在线直播 | 久久这里只有精品19| 亚洲国产精品合色在线| 啦啦啦 在线观看视频| av片东京热男人的天堂| 夜夜看夜夜爽夜夜摸| 欧美性猛交黑人性爽| 精品久久蜜臀av无| 亚洲 欧美 日韩 在线 免费| 18禁美女被吸乳视频| 91大片在线观看| 国产高清视频在线播放一区| www.999成人在线观看| 女性生殖器流出的白浆| 国产精品乱码一区二三区的特点| 国产亚洲精品久久久久久毛片| 亚洲成人精品中文字幕电影| 他把我摸到了高潮在线观看| 亚洲精华国产精华精| e午夜精品久久久久久久| 高清在线国产一区| 亚洲国产日韩欧美精品在线观看 | 亚洲国产精品sss在线观看| 国产一区二区三区在线臀色熟女| 麻豆成人午夜福利视频| 精品国产乱子伦一区二区三区| 亚洲五月色婷婷综合| 两个人免费观看高清视频| 国产高清有码在线观看视频 | 久久精品成人免费网站| 欧美成人一区二区免费高清观看 | 三级毛片av免费| 久久精品国产综合久久久| 精华霜和精华液先用哪个| 久久久久国内视频| 日韩国内少妇激情av| 免费在线观看完整版高清| 免费在线观看亚洲国产| 国产一级毛片七仙女欲春2 | 妹子高潮喷水视频| 99久久无色码亚洲精品果冻| 在线观看舔阴道视频| 亚洲激情在线av| 很黄的视频免费| 少妇 在线观看| 琪琪午夜伦伦电影理论片6080| 亚洲精品国产一区二区精华液| 成人av一区二区三区在线看| 日韩av在线大香蕉| 精品国产国语对白av| 国产主播在线观看一区二区| 久久久国产成人精品二区| 熟女电影av网| cao死你这个sao货| 91九色精品人成在线观看| 18禁国产床啪视频网站| x7x7x7水蜜桃| 国产一级毛片七仙女欲春2 | 嫩草影视91久久| 国产精品久久视频播放| 老司机深夜福利视频在线观看| 黄片小视频在线播放| 桃色一区二区三区在线观看| 久久久久久九九精品二区国产 | 精品久久久久久久久久久久久 | 中文字幕人妻熟女乱码| 一边摸一边做爽爽视频免费| а√天堂www在线а√下载| 人人澡人人妻人| 一级a爱片免费观看的视频| 男人操女人黄网站| 欧美日韩瑟瑟在线播放| 免费高清在线观看日韩| 国产精品一区二区免费欧美| 变态另类丝袜制服| 婷婷丁香在线五月| 国产野战对白在线观看| 国产真实乱freesex| 成人国产综合亚洲| 免费女性裸体啪啪无遮挡网站| 日韩大尺度精品在线看网址| 国产精品,欧美在线| 国产成人av教育| 久久国产精品影院| 亚洲精品中文字幕一二三四区| 可以在线观看毛片的网站| 日韩欧美一区视频在线观看| 亚洲成国产人片在线观看| 黄色 视频免费看| cao死你这个sao货| 日韩国内少妇激情av| 国产三级黄色录像| 黄片播放在线免费| 香蕉av资源在线| www国产在线视频色| 一区二区三区高清视频在线| 高清毛片免费观看视频网站| 欧美精品亚洲一区二区| 黄频高清免费视频| netflix在线观看网站| 久久天堂一区二区三区四区| 亚洲男人的天堂狠狠| 亚洲av成人不卡在线观看播放网| 男人操女人黄网站| 欧美三级亚洲精品| 欧美成人一区二区免费高清观看 | 看片在线看免费视频| 1024香蕉在线观看| 欧美国产日韩亚洲一区| av欧美777| 久久这里只有精品19| 国产一级毛片七仙女欲春2 | 国产男靠女视频免费网站| 香蕉国产在线看| 777久久人妻少妇嫩草av网站| 国产精品av久久久久免费| 黄色a级毛片大全视频| 草草在线视频免费看| xxxwww97欧美| 99国产极品粉嫩在线观看| 真人一进一出gif抽搐免费| 成年版毛片免费区| 69av精品久久久久久| 黑人操中国人逼视频| 国产av不卡久久| 制服人妻中文乱码| 久久精品国产亚洲av香蕉五月| 三级毛片av免费| 国产99白浆流出| 久久天躁狠狠躁夜夜2o2o| 中文字幕精品免费在线观看视频| 欧美日韩亚洲综合一区二区三区_| 成人一区二区视频在线观看| 免费高清视频大片| 久久人妻av系列| 国产精品香港三级国产av潘金莲| 精品日产1卡2卡| 人人妻人人澡欧美一区二区| 99久久精品国产亚洲精品| 久久婷婷成人综合色麻豆| 丝袜人妻中文字幕| 国产视频一区二区在线看| 欧美在线一区亚洲| 欧美绝顶高潮抽搐喷水| 欧美日韩乱码在线| 搞女人的毛片| 女性生殖器流出的白浆| 国产精品野战在线观看| 亚洲精品国产精品久久久不卡| 久久久久久久久免费视频了| 88av欧美| 人妻丰满熟妇av一区二区三区| 亚洲激情在线av| 国产精品久久电影中文字幕| 精品久久久久久,| 久久这里只有精品19| 12—13女人毛片做爰片一| 免费看十八禁软件| 亚洲人成网站在线播放欧美日韩| 国产精品久久久久久人妻精品电影| 熟妇人妻久久中文字幕3abv| 欧美性猛交黑人性爽| 窝窝影院91人妻| 天堂动漫精品| 怎么达到女性高潮| 岛国视频午夜一区免费看| 国产片内射在线| 日韩 欧美 亚洲 中文字幕| 欧美中文日本在线观看视频| 国产在线观看jvid| 国产区一区二久久| 2021天堂中文幕一二区在线观 | 午夜福利欧美成人| 99热这里只有精品一区 | 国产乱人伦免费视频| 中文字幕另类日韩欧美亚洲嫩草| 无限看片的www在线观看| 成在线人永久免费视频| netflix在线观看网站| 90打野战视频偷拍视频| 亚洲av成人一区二区三| 俄罗斯特黄特色一大片| 亚洲一区二区三区不卡视频| 男女之事视频高清在线观看| 女性被躁到高潮视频| 极品教师在线免费播放| 欧美大码av| 亚洲美女黄片视频| 日本a在线网址| 法律面前人人平等表现在哪些方面| 精品不卡国产一区二区三区| 中文字幕人妻丝袜一区二区| xxxwww97欧美| 麻豆成人av在线观看| a级毛片a级免费在线| 国产精品久久电影中文字幕| 老司机靠b影院| 欧美zozozo另类| 精品国内亚洲2022精品成人| 国产精品久久久av美女十八| 国产亚洲av嫩草精品影院| 美国免费a级毛片| 国产精品,欧美在线| 两人在一起打扑克的视频| 欧美成人午夜精品| 国产精品精品国产色婷婷| 精品久久久久久久久久久久久 | 亚洲人成77777在线视频| 国产激情欧美一区二区| 露出奶头的视频| 精品久久久久久久人妻蜜臀av| av有码第一页| 久久久久免费精品人妻一区二区 | 窝窝影院91人妻| 19禁男女啪啪无遮挡网站| 人妻丰满熟妇av一区二区三区| 亚洲国产欧洲综合997久久, | 久久中文字幕人妻熟女| 天天一区二区日本电影三级| 亚洲黑人精品在线| 一二三四在线观看免费中文在| 日本a在线网址| 岛国在线观看网站| 欧美成人一区二区免费高清观看 | 激情在线观看视频在线高清| 一个人观看的视频www高清免费观看 | 51午夜福利影视在线观看| 欧美性长视频在线观看| 免费女性裸体啪啪无遮挡网站| 国产免费男女视频| 国内毛片毛片毛片毛片毛片| 欧美国产精品va在线观看不卡| 男女之事视频高清在线观看| 婷婷精品国产亚洲av| 免费看十八禁软件| 999精品在线视频| 一级作爱视频免费观看| 成人国产一区最新在线观看| 久久久久久亚洲精品国产蜜桃av| 97超级碰碰碰精品色视频在线观看| 国产精品影院久久| 91麻豆av在线| 久久精品国产亚洲av香蕉五月| 黄色丝袜av网址大全| 久久天堂一区二区三区四区| 日韩大尺度精品在线看网址| 精品久久久久久久毛片微露脸| 色播在线永久视频| 日韩欧美免费精品| 久久精品亚洲精品国产色婷小说| 日本a在线网址| 成年版毛片免费区| 91国产中文字幕| 成人av一区二区三区在线看| 欧美色欧美亚洲另类二区| 亚洲国产精品sss在线观看| 欧美另类亚洲清纯唯美| 香蕉av资源在线| 精品一区二区三区av网在线观看| 国产亚洲欧美在线一区二区| 国产免费男女视频| 最近最新中文字幕大全免费视频| 精品少妇一区二区三区视频日本电影| 欧美色视频一区免费| 好男人电影高清在线观看| x7x7x7水蜜桃| 美女午夜性视频免费| 成人18禁在线播放| 亚洲久久久国产精品| 成人一区二区视频在线观看| 欧美性猛交╳xxx乱大交人| 少妇熟女aⅴ在线视频| 国产高清有码在线观看视频 | 999久久久精品免费观看国产| 亚洲人成电影免费在线| 午夜影院日韩av| 国产97色在线日韩免费| 久久精品夜夜夜夜夜久久蜜豆 | 精品卡一卡二卡四卡免费| 国产亚洲精品久久久久5区| 成年版毛片免费区| 给我免费播放毛片高清在线观看| 伊人久久大香线蕉亚洲五| 欧美丝袜亚洲另类 | 99国产精品一区二区蜜桃av| 亚洲最大成人中文| 麻豆av在线久日| 麻豆久久精品国产亚洲av| 日本一区二区免费在线视频| 国产成人系列免费观看| 久久久久精品国产欧美久久久| 国产精品一区二区三区四区久久 | 天堂动漫精品| 午夜日韩欧美国产| 亚洲av熟女| 午夜两性在线视频| 日本一区二区免费在线视频| 亚洲第一av免费看| 九色国产91popny在线| 99热只有精品国产| 久久精品国产综合久久久| 亚洲精品中文字幕一二三四区| 少妇 在线观看| 国产熟女午夜一区二区三区| 男女午夜视频在线观看| www.精华液| 男女做爰动态图高潮gif福利片| 淫妇啪啪啪对白视频| 精品久久久久久久毛片微露脸| 日韩国内少妇激情av| 亚洲精品久久国产高清桃花| 少妇粗大呻吟视频| 非洲黑人性xxxx精品又粗又长| 国产又爽黄色视频| 观看免费一级毛片| 嫩草影院精品99| 色老头精品视频在线观看| 国产精华一区二区三区| 国产av在哪里看| 午夜福利成人在线免费观看| 亚洲熟妇中文字幕五十中出| 国产熟女xx| 久久天躁狠狠躁夜夜2o2o| 国产高清视频在线播放一区| 国产单亲对白刺激| 欧美黄色片欧美黄色片| 淫妇啪啪啪对白视频| 久久久久久久午夜电影| 老熟妇乱子伦视频在线观看| 国产色视频综合| 一区二区三区高清视频在线| www国产在线视频色| 国产私拍福利视频在线观看| 99久久99久久久精品蜜桃| 69av精品久久久久久| 亚洲精品中文字幕在线视频| 男人的好看免费观看在线视频 | 亚洲精品中文字幕一二三四区| 国产精品 欧美亚洲| 国产午夜福利久久久久久| 青草久久国产| 麻豆久久精品国产亚洲av| 亚洲精华国产精华精| 两性午夜刺激爽爽歪歪视频在线观看 | 精品电影一区二区在线| 成人手机av| 一二三四在线观看免费中文在| 一个人观看的视频www高清免费观看 | www日本在线高清视频| 国产一区二区在线av高清观看| 啦啦啦韩国在线观看视频| 久久久久久久久久黄片| 午夜久久久久精精品| 久热这里只有精品99| 欧洲精品卡2卡3卡4卡5卡区| 美女免费视频网站| 熟女少妇亚洲综合色aaa.| 2021天堂中文幕一二区在线观 | 动漫黄色视频在线观看| 一个人观看的视频www高清免费观看 | 一二三四在线观看免费中文在| 国产av不卡久久| 成人三级做爰电影| 日本免费一区二区三区高清不卡| 99riav亚洲国产免费| 亚洲精品国产区一区二| 啪啪无遮挡十八禁网站| 白带黄色成豆腐渣| 俄罗斯特黄特色一大片| 国产精品野战在线观看| 美女高潮到喷水免费观看| 啦啦啦观看免费观看视频高清| 免费高清视频大片| 精品一区二区三区av网在线观看| 亚洲熟妇熟女久久| 一级毛片精品| 成人亚洲精品一区在线观看| 免费一级毛片在线播放高清视频| 亚洲中文av在线| 中文字幕高清在线视频| 亚洲人成77777在线视频| 一区二区三区国产精品乱码| 成人免费观看视频高清| 看片在线看免费视频| 精品久久久久久久毛片微露脸| 精品国产国语对白av| a级毛片a级免费在线| 国产亚洲精品av在线| 国产精品精品国产色婷婷| 中文字幕精品免费在线观看视频| 亚洲狠狠婷婷综合久久图片| 国产亚洲精品综合一区在线观看 | videosex国产| 亚洲一区二区三区不卡视频| 黑丝袜美女国产一区| 亚洲欧美精品综合一区二区三区| 国产伦人伦偷精品视频| 欧美绝顶高潮抽搐喷水| 深夜精品福利| 成人18禁在线播放| 男女做爰动态图高潮gif福利片| 日本在线视频免费播放| 亚洲男人天堂网一区| 成人欧美大片| 亚洲精品色激情综合| 久久国产精品人妻蜜桃| 国产成年人精品一区二区| 国产av一区在线观看免费| 国产蜜桃级精品一区二区三区| 亚洲国产中文字幕在线视频| 久久99热这里只有精品18| 日本一本二区三区精品| АⅤ资源中文在线天堂| 波多野结衣巨乳人妻| 国内毛片毛片毛片毛片毛片| 成人国产综合亚洲| 午夜免费激情av| 老熟妇仑乱视频hdxx| av片东京热男人的天堂| 99re在线观看精品视频| 国产av一区在线观看免费| 亚洲av成人av| 99久久99久久久精品蜜桃| 久久精品国产亚洲av高清一级| 黄色成人免费大全| 青草久久国产| 欧美又色又爽又黄视频| 欧美一级毛片孕妇| 国产蜜桃级精品一区二区三区| 亚洲欧美日韩高清在线视频| 国产精品爽爽va在线观看网站 | 男人舔女人下体高潮全视频| 久久久久久久久中文| 午夜福利视频1000在线观看| 国产又色又爽无遮挡免费看| 亚洲av片天天在线观看| 亚洲成av人片免费观看| 国产一区在线观看成人免费| 热re99久久国产66热| 夜夜爽天天搞| 亚洲美女黄片视频| 可以在线观看毛片的网站| av超薄肉色丝袜交足视频| av天堂在线播放| 啦啦啦观看免费观看视频高清| a级毛片在线看网站| 亚洲精品一区av在线观看| 中文在线观看免费www的网站 | 成熟少妇高潮喷水视频| 亚洲av电影在线进入| 日韩中文字幕欧美一区二区| 亚洲av电影不卡..在线观看| 国产精品爽爽va在线观看网站 | 国产成人精品无人区| 日韩欧美 国产精品| 制服人妻中文乱码| 99国产精品一区二区蜜桃av|