• <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
    看黄色毛片网站| 免费播放大片免费观看视频在线观看| 18禁在线播放成人免费| 最近的中文字幕免费完整| 九九爱精品视频在线观看| 小蜜桃在线观看免费完整版高清| 两个人的视频大全免费| 精品午夜福利在线看| av在线播放精品| 中文乱码字字幕精品一区二区三区| av线在线观看网站| 99re6热这里在线精品视频| 中文天堂在线官网| 亚洲一级一片aⅴ在线观看| 亚洲精品久久午夜乱码| 色视频www国产| 国产一区有黄有色的免费视频| 欧美激情国产日韩精品一区| 免费高清在线观看视频在线观看| 国国产精品蜜臀av免费| 一本一本综合久久| 免费黄频网站在线观看国产| 成人亚洲欧美一区二区av| 精品人妻视频免费看| 成人特级av手机在线观看| 插阴视频在线观看视频| 国产日韩欧美亚洲二区| 伦理电影大哥的女人| 亚洲精品视频女| 国产一区亚洲一区在线观看| 亚洲欧美清纯卡通| av黄色大香蕉| 美女脱内裤让男人舔精品视频| 久久久久精品久久久久真实原创| 亚洲欧美日韩卡通动漫| 极品教师在线视频| 人妻制服诱惑在线中文字幕| 国产黄频视频在线观看| av在线天堂中文字幕| 狂野欧美激情性bbbbbb| 国产在线男女| 午夜日本视频在线| 精品一区在线观看国产| 国产淫片久久久久久久久| tube8黄色片| 国产av码专区亚洲av| 视频区图区小说| 免费观看无遮挡的男女| 狠狠精品人妻久久久久久综合| 看黄色毛片网站| 久久精品人妻少妇| a级毛片免费高清观看在线播放| 99久国产av精品国产电影| 乱码一卡2卡4卡精品| 白带黄色成豆腐渣| 九九久久精品国产亚洲av麻豆| 亚洲欧美日韩卡通动漫| 99久久人妻综合| 伦精品一区二区三区| 国产极品天堂在线| 超碰av人人做人人爽久久| 少妇熟女欧美另类| 尾随美女入室| 91aial.com中文字幕在线观看| 久久影院123| 亚洲成人久久爱视频| 国产淫语在线视频| 免费观看在线日韩| 午夜激情久久久久久久| 欧美xxxx性猛交bbbb| 欧美潮喷喷水| 亚洲欧美日韩东京热| 国产真实伦视频高清在线观看| 激情 狠狠 欧美| 中文字幕亚洲精品专区| 另类亚洲欧美激情| av福利片在线观看| av免费观看日本| 超碰av人人做人人爽久久| a级毛色黄片| 亚洲人成网站在线观看播放| 亚洲真实伦在线观看| 国产精品爽爽va在线观看网站| 秋霞在线观看毛片| 亚洲最大成人中文| 亚洲欧洲国产日韩| 最近手机中文字幕大全| 免费少妇av软件| 国内精品美女久久久久久| 午夜激情久久久久久久| 国产乱来视频区| 日韩在线高清观看一区二区三区| 男女下面进入的视频免费午夜| 国产免费视频播放在线视频| 国产乱人偷精品视频| av天堂中文字幕网| 精品午夜福利在线看| 成年人午夜在线观看视频| 男女无遮挡免费网站观看| 我的老师免费观看完整版| 午夜激情久久久久久久| 国产精品国产三级国产专区5o| 久久久欧美国产精品| 日日啪夜夜撸| 嫩草影院新地址| 如何舔出高潮| 久久久久久久久久人人人人人人| 五月玫瑰六月丁香| 亚洲人与动物交配视频| 看免费成人av毛片| 一本色道久久久久久精品综合| 99久久精品国产国产毛片| 在线观看一区二区三区激情| 日韩欧美 国产精品| 麻豆国产97在线/欧美| 午夜激情福利司机影院| 内射极品少妇av片p| 哪个播放器可以免费观看大片| 欧美zozozo另类| 精品99又大又爽又粗少妇毛片| 三级经典国产精品| 国产成人精品婷婷| 韩国高清视频一区二区三区| 国产黄片美女视频| 亚洲国产欧美在线一区| 建设人人有责人人尽责人人享有的 | 大片免费播放器 马上看| 女的被弄到高潮叫床怎么办| 插逼视频在线观看| 老师上课跳d突然被开到最大视频| 亚洲成人av在线免费| 亚洲一级一片aⅴ在线观看| 久久久久精品性色| 大香蕉久久网| 国产av不卡久久| 最近的中文字幕免费完整| 内射极品少妇av片p| 精品久久久久久电影网| 一本一本综合久久| 国产成人freesex在线| 国内揄拍国产精品人妻在线| 一本一本综合久久| 亚洲国产日韩一区二区| 免费不卡的大黄色大毛片视频在线观看| 一本一本综合久久| 亚洲精品一二三| 亚洲精品成人久久久久久| 好男人视频免费观看在线| 日本一本二区三区精品| 国产极品天堂在线| 日韩欧美精品免费久久| 国产成人一区二区在线| 我的女老师完整版在线观看| 日韩一区二区三区影片| 国产有黄有色有爽视频| 我要看日韩黄色一级片| 欧美高清性xxxxhd video| 人体艺术视频欧美日本| 丰满乱子伦码专区| 中文在线观看免费www的网站| 成人毛片60女人毛片免费| 狂野欧美激情性xxxx在线观看| 美女视频免费永久观看网站| 精品国产一区二区三区久久久樱花 | 少妇人妻一区二区三区视频| 插阴视频在线观看视频| 在线精品无人区一区二区三 | 久久久久九九精品影院| 国产伦理片在线播放av一区| 亚洲一级一片aⅴ在线观看| 免费黄色在线免费观看| 亚洲成人av在线免费| 免费电影在线观看免费观看| 三级国产精品片| 色5月婷婷丁香| 精品人妻视频免费看| 久久久久久久精品精品| 亚洲精品第二区| 国产欧美亚洲国产| 99久久中文字幕三级久久日本| 最近中文字幕高清免费大全6| 又爽又黄a免费视频| 国产熟女欧美一区二区| 欧美精品国产亚洲| 在现免费观看毛片| 中文资源天堂在线| 婷婷色综合大香蕉| 国语对白做爰xxxⅹ性视频网站| 少妇熟女欧美另类| 亚洲第一区二区三区不卡| av又黄又爽大尺度在线免费看| 国产亚洲av嫩草精品影院| 久久精品国产亚洲av天美| 国产高潮美女av| 一级a做视频免费观看| 狂野欧美激情性bbbbbb| 人人妻人人爽人人添夜夜欢视频 | 精品人妻一区二区三区麻豆| 国产乱人视频| 日韩成人av中文字幕在线观看| 丝袜喷水一区| 国产免费一级a男人的天堂| 少妇的逼好多水| 精品久久久噜噜| 久久99精品国语久久久| 成人无遮挡网站| 蜜桃久久精品国产亚洲av| 欧美精品人与动牲交sv欧美| 国产一区二区亚洲精品在线观看| 国产一级毛片在线| 国产精品一区二区在线观看99| 夫妻午夜视频| 麻豆乱淫一区二区| 欧美激情久久久久久爽电影| 精品一区二区免费观看| 国产乱来视频区| 天天一区二区日本电影三级| 欧美bdsm另类| 久久精品久久精品一区二区三区| 如何舔出高潮| 国产有黄有色有爽视频| 日韩av免费高清视频| 日本欧美国产在线视频| 夜夜爽夜夜爽视频| 免费观看a级毛片全部| 亚洲色图综合在线观看| 亚洲精品一区蜜桃| 国产午夜福利久久久久久| 一级二级三级毛片免费看| 天堂俺去俺来也www色官网| 精品少妇黑人巨大在线播放| 日本午夜av视频| 一区二区三区四区激情视频| 亚洲三级黄色毛片| 久久久午夜欧美精品| 日本av手机在线免费观看| 精品99又大又爽又粗少妇毛片| 久久热精品热| 欧美激情在线99| 97在线人人人人妻| 国产有黄有色有爽视频| 久久综合国产亚洲精品| av线在线观看网站| 日韩一本色道免费dvd| 一级二级三级毛片免费看| 国产色爽女视频免费观看| 男女啪啪激烈高潮av片| 中国国产av一级| 晚上一个人看的免费电影| 一个人看的www免费观看视频| 国产高清国产精品国产三级 | 欧美 日韩 精品 国产| 国产精品99久久久久久久久| 精品久久久久久电影网| 能在线免费看毛片的网站| 少妇的逼水好多| 婷婷色麻豆天堂久久| 国产综合精华液| tube8黄色片| 亚洲精品亚洲一区二区| 欧美激情在线99| 中文字幕制服av| 亚洲激情五月婷婷啪啪| 国产一区二区亚洲精品在线观看| 国产精品99久久99久久久不卡 | 天堂中文最新版在线下载 | 在线观看国产h片| 一级av片app| 黄色一级大片看看| 丰满人妻一区二区三区视频av| 成人鲁丝片一二三区免费| 国产黄片美女视频| 欧美国产精品一级二级三级 | 亚洲aⅴ乱码一区二区在线播放| 亚洲美女搞黄在线观看| 人体艺术视频欧美日本| 久久韩国三级中文字幕| 久久久精品免费免费高清| 久久99精品国语久久久| 欧美xxxx黑人xx丫x性爽| 欧美+日韩+精品| 少妇人妻 视频| 高清欧美精品videossex| 赤兔流量卡办理| 久久99精品国语久久久| 亚洲最大成人手机在线| 久久亚洲国产成人精品v| 精品久久久久久久久亚洲| 久久久久九九精品影院| 99re6热这里在线精品视频| 亚洲内射少妇av| 成人二区视频| 国产精品一区二区性色av| 久久精品综合一区二区三区| 男女无遮挡免费网站观看| 中文欧美无线码| 色播亚洲综合网| 亚洲人成网站高清观看| 91午夜精品亚洲一区二区三区| 少妇裸体淫交视频免费看高清| 久久精品国产鲁丝片午夜精品| 一个人看视频在线观看www免费| 少妇的逼好多水| 亚洲精品456在线播放app| 高清午夜精品一区二区三区| 噜噜噜噜噜久久久久久91| 国产黄色视频一区二区在线观看| 亚洲成人av在线免费| 日本猛色少妇xxxxx猛交久久| 麻豆乱淫一区二区| www.av在线官网国产| 国产一区二区三区av在线| 国产黄色视频一区二区在线观看| 国产视频首页在线观看| 99热6这里只有精品| 岛国毛片在线播放| xxx大片免费视频| 又爽又黄a免费视频| 亚洲精品乱码久久久久久按摩| 少妇猛男粗大的猛烈进出视频 | 亚洲国产欧美人成| 亚洲av不卡在线观看| 欧美最新免费一区二区三区| 国产精品三级大全| 直男gayav资源| 亚洲天堂av无毛| 免费观看的影片在线观看| 男人添女人高潮全过程视频| 久久精品人妻少妇| 日本av手机在线免费观看| 黄色欧美视频在线观看| 少妇被粗大猛烈的视频| 韩国av在线不卡| 久久久亚洲精品成人影院| 91久久精品国产一区二区成人| av在线老鸭窝| 亚洲熟女精品中文字幕| 18禁裸乳无遮挡免费网站照片| 日韩,欧美,国产一区二区三区| 七月丁香在线播放| 性色av一级| 亚洲第一区二区三区不卡| 日韩中字成人| 亚洲伊人久久精品综合| 99热全是精品| 少妇高潮的动态图| 久久精品综合一区二区三区| 97在线人人人人妻| 日日撸夜夜添| 成年免费大片在线观看| 国产免费福利视频在线观看| 日日摸夜夜添夜夜爱| 亚洲av在线观看美女高潮| 国产av码专区亚洲av| 久久ye,这里只有精品| 国产乱人偷精品视频| 久久99精品国语久久久| 天堂俺去俺来也www色官网| 成人亚洲欧美一区二区av| 精品一区在线观看国产| av线在线观看网站| 成人国产麻豆网| 大片免费播放器 马上看| 大又大粗又爽又黄少妇毛片口| 不卡视频在线观看欧美| 亚洲国产精品专区欧美| 少妇熟女欧美另类| 欧美三级亚洲精品| 69av精品久久久久久| 国产探花极品一区二区| 精品一区在线观看国产| 国产大屁股一区二区在线视频| 只有这里有精品99| 日韩免费高清中文字幕av| 国产一区二区三区综合在线观看 | av国产免费在线观看| 2021少妇久久久久久久久久久| av福利片在线观看| av在线播放精品| 99久久精品一区二区三区| 亚洲精品成人久久久久久| 嘟嘟电影网在线观看| 在线看a的网站| 一区二区三区四区激情视频| 午夜免费男女啪啪视频观看| 最近最新中文字幕免费大全7| 国产在线一区二区三区精| 国产精品偷伦视频观看了| 大香蕉97超碰在线| 色网站视频免费| 国产成人a∨麻豆精品| 欧美日本视频| 国国产精品蜜臀av免费| 观看免费一级毛片| 亚洲精品色激情综合| 国产91av在线免费观看| 国产黄频视频在线观看| 97精品久久久久久久久久精品| av福利片在线观看| 欧美日韩视频高清一区二区三区二| 中文资源天堂在线| a级毛片免费高清观看在线播放| 国产亚洲av片在线观看秒播厂| 日韩欧美精品v在线| 国产精品久久久久久久久免| av在线观看视频网站免费| 亚洲最大成人手机在线| 国产有黄有色有爽视频| 亚洲最大成人手机在线| 亚洲经典国产精华液单| 91在线精品国自产拍蜜月| 黄色一级大片看看| 久久ye,这里只有精品| 国产免费又黄又爽又色| 97超视频在线观看视频| 国产一区有黄有色的免费视频| 最新中文字幕久久久久| 色视频www国产| 边亲边吃奶的免费视频| 久久精品夜色国产| 欧美精品一区二区大全| 一本一本综合久久| 国产精品一区二区在线观看99| 校园人妻丝袜中文字幕| 亚洲精品一二三| 日韩大片免费观看网站| 日韩视频在线欧美| 黑人高潮一二区| 欧美成人午夜免费资源| 精品久久久久久久久亚洲| 久久99热6这里只有精品| 国产女主播在线喷水免费视频网站| 日韩 亚洲 欧美在线| 国内精品美女久久久久久| 男男h啪啪无遮挡| 久久鲁丝午夜福利片| 亚洲高清免费不卡视频| av在线亚洲专区| 日本猛色少妇xxxxx猛交久久| av在线app专区| 一区二区三区精品91| 欧美成人a在线观看| 少妇高潮的动态图| 久久99热这里只频精品6学生| 国产一区有黄有色的免费视频| 黑人高潮一二区| 日日啪夜夜爽| 少妇人妻 视频| 国产综合懂色| 亚洲av.av天堂| 少妇 在线观看| 久久精品人妻少妇| 日韩亚洲欧美综合| 美女脱内裤让男人舔精品视频| 国产精品嫩草影院av在线观看| 亚洲成人av在线免费| 91久久精品国产一区二区成人| 美女高潮的动态| 身体一侧抽搐| 国产人妻一区二区三区在| 肉色欧美久久久久久久蜜桃 | av在线亚洲专区| 精品午夜福利在线看| 小蜜桃在线观看免费完整版高清| 欧美国产精品一级二级三级 | 性插视频无遮挡在线免费观看| 欧美最新免费一区二区三区| 一区二区三区四区激情视频| 亚洲成色77777| 亚洲欧美日韩卡通动漫| 欧美人与善性xxx| 性插视频无遮挡在线免费观看| 免费看光身美女| 国模一区二区三区四区视频| .国产精品久久| 老司机影院成人| 午夜福利网站1000一区二区三区| 狂野欧美激情性bbbbbb| 亚洲激情五月婷婷啪啪| 嫩草影院入口| 我的老师免费观看完整版| 一区二区三区免费毛片| 久久久久久九九精品二区国产| 热99国产精品久久久久久7| 亚洲精品自拍成人| 国产精品熟女久久久久浪| 亚洲经典国产精华液单| 好男人视频免费观看在线| 天堂中文最新版在线下载 | 日日啪夜夜爽| 精品久久国产蜜桃| 赤兔流量卡办理| 在线观看三级黄色| 成人综合一区亚洲| 国产黄a三级三级三级人| 国产成人一区二区在线| 日韩成人av中文字幕在线观看| 夫妻性生交免费视频一级片| 日本av手机在线免费观看| 人妻制服诱惑在线中文字幕| 一区二区三区四区激情视频| 亚洲欧美成人精品一区二区| 亚洲最大成人av| 日韩在线高清观看一区二区三区| 91精品伊人久久大香线蕉| 国产又色又爽无遮挡免| 美女cb高潮喷水在线观看| 欧美xxⅹ黑人| 三级国产精品片| 黄片无遮挡物在线观看| 精品人妻一区二区三区麻豆| 国产精品国产三级国产av玫瑰| 国产一区有黄有色的免费视频| 亚州av有码| 国产免费又黄又爽又色| 麻豆国产97在线/欧美| 日韩,欧美,国产一区二区三区| 日韩成人av中文字幕在线观看| 国产精品久久久久久久电影| 高清欧美精品videossex| 免费看a级黄色片| 人妻系列 视频| 视频区图区小说| av在线app专区| 精品一区在线观看国产| 日韩在线高清观看一区二区三区| 啦啦啦在线观看免费高清www| 国产伦理片在线播放av一区| a级毛片免费高清观看在线播放| 熟女av电影| 毛片一级片免费看久久久久| 国产毛片a区久久久久| 亚洲aⅴ乱码一区二区在线播放| 不卡视频在线观看欧美| 亚洲欧美日韩卡通动漫| 伦理电影大哥的女人| 国精品久久久久久国模美| 两个人的视频大全免费| 免费看a级黄色片| 日本欧美国产在线视频| 交换朋友夫妻互换小说| 国产精品嫩草影院av在线观看| 亚洲精品日韩av片在线观看| 成人二区视频| 亚洲av成人精品一二三区| 人妻 亚洲 视频| 嫩草影院精品99| 国产毛片a区久久久久| 色播亚洲综合网| 九草在线视频观看| 人妻少妇偷人精品九色| 国产免费一级a男人的天堂| 国产精品久久久久久久久免| 精品久久久久久久久亚洲| 在线免费观看不下载黄p国产| 久久久午夜欧美精品| 久久精品久久久久久久性| av播播在线观看一区| 国产91av在线免费观看| 男女国产视频网站| 不卡视频在线观看欧美| 国产免费一区二区三区四区乱码| 男女边摸边吃奶| 国产精品一二三区在线看| av网站免费在线观看视频| 99热这里只有精品一区| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 人妻一区二区av| 在线观看免费高清a一片| 欧美区成人在线视频| 五月天丁香电影| 午夜福利高清视频| 国产中年淑女户外野战色| 亚洲精品视频女| 国产综合懂色| 亚洲欧洲日产国产| 大陆偷拍与自拍| 亚洲四区av| 午夜福利在线在线| 狠狠精品人妻久久久久久综合| av免费在线看不卡| 在线亚洲精品国产二区图片欧美 | 精华霜和精华液先用哪个| 九九爱精品视频在线观看| 亚洲国产欧美在线一区| 国产精品.久久久| 日韩欧美精品免费久久| 国产爱豆传媒在线观看| 涩涩av久久男人的天堂| 精品久久久久久久久av| 久久久久久久久久久免费av| 国产在视频线精品| 男女边摸边吃奶| 观看免费一级毛片| 91久久精品国产一区二区三区| 国产精品麻豆人妻色哟哟久久| 日韩成人av中文字幕在线观看| 人体艺术视频欧美日本| 男插女下体视频免费在线播放| 成人高潮视频无遮挡免费网站| 久久午夜福利片| 久久热精品热| 欧美极品一区二区三区四区| 国产精品久久久久久精品电影| 大又大粗又爽又黄少妇毛片口| 我要看日韩黄色一级片| 欧美最新免费一区二区三区| 亚洲va在线va天堂va国产| 亚洲精品成人久久久久久| 午夜免费男女啪啪视频观看| 一二三四中文在线观看免费高清| 日日啪夜夜撸| 九九爱精品视频在线观看| 97在线视频观看| 熟女电影av网|