• <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
    十八禁网站网址无遮挡| 精品久久蜜臀av无| 亚洲国产欧美网| 欧美亚洲日本最大视频资源| 亚洲第一青青草原| 国产极品天堂在线| 国产成人啪精品午夜网站| 欧美人与性动交α欧美软件| 999久久久国产精品视频| 国产av一区二区精品久久| 成人亚洲欧美一区二区av| 别揉我奶头~嗯~啊~动态视频 | 香蕉丝袜av| 免费高清在线观看视频在线观看| 一级毛片电影观看| 下体分泌物呈黄色| 日韩精品免费视频一区二区三区| 亚洲av欧美aⅴ国产| 国产一区亚洲一区在线观看| 国产精品熟女久久久久浪| 日韩制服丝袜自拍偷拍| 国产高清不卡午夜福利| 七月丁香在线播放| 欧美国产精品va在线观看不卡| 亚洲国产精品国产精品| 中文字幕人妻丝袜制服| 自拍欧美九色日韩亚洲蝌蚪91| 久久鲁丝午夜福利片| 91精品三级在线观看| 伊人亚洲综合成人网| 亚洲综合色网址| 午夜福利影视在线免费观看| 久久国产精品男人的天堂亚洲| 精品国产一区二区三区久久久樱花| 视频区图区小说| 啦啦啦中文免费视频观看日本| 热re99久久精品国产66热6| 热99久久久久精品小说推荐| 青草久久国产| av国产精品久久久久影院| 免费看av在线观看网站| 亚洲国产日韩一区二区| 日韩不卡一区二区三区视频在线| 欧美乱码精品一区二区三区| 天天影视国产精品| 交换朋友夫妻互换小说| 国产视频首页在线观看| 国产乱来视频区| 考比视频在线观看| 国产精品成人在线| 校园人妻丝袜中文字幕| 天天躁夜夜躁狠狠躁躁| 90打野战视频偷拍视频| 狂野欧美激情性xxxx| 最近手机中文字幕大全| 精品视频人人做人人爽| 亚洲精品,欧美精品| 久久ye,这里只有精品| 日韩 亚洲 欧美在线| 午夜免费观看性视频| 午夜福利网站1000一区二区三区| 国产片内射在线| 亚洲五月色婷婷综合| 成人午夜精彩视频在线观看| 成人手机av| 国产日韩一区二区三区精品不卡| 精品久久久精品久久久| 亚洲欧美激情在线| 久久久久国产精品人妻一区二区| 国产片特级美女逼逼视频| 国语对白做爰xxxⅹ性视频网站| 国产片特级美女逼逼视频| 一二三四在线观看免费中文在| 国产精品久久久久久久久免| 精品人妻一区二区三区麻豆| 热99久久久久精品小说推荐| 亚洲人成77777在线视频| 精品福利永久在线观看| 69精品国产乱码久久久| 王馨瑶露胸无遮挡在线观看| 欧美97在线视频| 最近最新中文字幕大全免费视频 | 不卡av一区二区三区| 国产精品久久久av美女十八| 久久天躁狠狠躁夜夜2o2o | 日韩一区二区三区影片| 国产一区二区三区综合在线观看| 女人精品久久久久毛片| 无限看片的www在线观看| 无遮挡黄片免费观看| 天堂中文最新版在线下载| 精品久久蜜臀av无| 丰满饥渴人妻一区二区三| 99re6热这里在线精品视频| 久久性视频一级片| 少妇人妻久久综合中文| 欧美日韩一区二区视频在线观看视频在线| 超碰97精品在线观看| 国产一区有黄有色的免费视频| 久久精品人人爽人人爽视色| 香蕉国产在线看| 久久久久视频综合| 黄片播放在线免费| 人妻人人澡人人爽人人| 天堂俺去俺来也www色官网| 亚洲国产看品久久| 欧美黑人欧美精品刺激| 又大又爽又粗| 高清av免费在线| 亚洲av电影在线观看一区二区三区| 国产亚洲最大av| 亚洲 欧美一区二区三区| 老司机亚洲免费影院| 纯流量卡能插随身wifi吗| 久久婷婷青草| 19禁男女啪啪无遮挡网站| 久久久久久久久久久久大奶| 国产欧美日韩综合在线一区二区| 黑人猛操日本美女一级片| 亚洲婷婷狠狠爱综合网| 亚洲三区欧美一区| 一级爰片在线观看| 亚洲av日韩精品久久久久久密 | 日本欧美视频一区| 亚洲精品自拍成人| 男男h啪啪无遮挡| 国产日韩欧美亚洲二区| av网站免费在线观看视频| 久久午夜综合久久蜜桃| av线在线观看网站| 日韩一本色道免费dvd| 青春草亚洲视频在线观看| 蜜桃国产av成人99| 亚洲欧美精品自产自拍| 我的亚洲天堂| 天天影视国产精品| 美女主播在线视频| 99久久99久久久精品蜜桃| 一级爰片在线观看| 别揉我奶头~嗯~啊~动态视频 | 一区二区三区四区激情视频| 乱人伦中国视频| 亚洲一码二码三码区别大吗| 精品少妇久久久久久888优播| 黑人巨大精品欧美一区二区蜜桃| 母亲3免费完整高清在线观看| 在线观看国产h片| 老汉色∧v一级毛片| 天天添夜夜摸| 中文字幕最新亚洲高清| 中国国产av一级| 中文字幕亚洲精品专区| 交换朋友夫妻互换小说| 嫩草影院入口| 国产不卡av网站在线观看| 两性夫妻黄色片| 在线观看免费高清a一片| 天天影视国产精品| 两性夫妻黄色片| 99久久99久久久精品蜜桃| 国产淫语在线视频| 91aial.com中文字幕在线观看| 99久久综合免费| 欧美在线黄色| 少妇人妻 视频| 成年人午夜在线观看视频| 国产精品久久久人人做人人爽| 国产一区二区三区av在线| av国产久精品久网站免费入址| 精品国产一区二区三区四区第35| 免费高清在线观看视频在线观看| 一二三四中文在线观看免费高清| 成年动漫av网址| 久久性视频一级片| 欧美人与性动交α欧美软件| 在线天堂中文资源库| 十分钟在线观看高清视频www| 美女国产高潮福利片在线看| 性高湖久久久久久久久免费观看| 久久久国产一区二区| 激情视频va一区二区三区| 日韩熟女老妇一区二区性免费视频| 亚洲综合色网址| 免费看av在线观看网站| 交换朋友夫妻互换小说| 99久久99久久久精品蜜桃| 一区二区日韩欧美中文字幕| 国产一区二区在线观看av| 9热在线视频观看99| 欧美人与善性xxx| 亚洲国产av新网站| 韩国高清视频一区二区三区| 成年美女黄网站色视频大全免费| 亚洲 欧美一区二区三区| 国产乱人偷精品视频| 久久精品人人爽人人爽视色| 丝袜美腿诱惑在线| 99久久人妻综合| tube8黄色片| 黄色视频不卡| 如日韩欧美国产精品一区二区三区| 丰满乱子伦码专区| 热99国产精品久久久久久7| 18禁观看日本| 日本黄色日本黄色录像| 亚洲熟女精品中文字幕| 色视频在线一区二区三区| 亚洲成人一二三区av| 日韩欧美一区视频在线观看| 天天操日日干夜夜撸| 国产亚洲欧美精品永久| 午夜福利影视在线免费观看| 国产一区二区三区综合在线观看| 一级毛片电影观看| 精品亚洲成a人片在线观看| 超色免费av| 日韩欧美精品免费久久| 99国产精品免费福利视频| 狂野欧美激情性xxxx| 国产无遮挡羞羞视频在线观看| 香蕉丝袜av| 国产成人av激情在线播放| 国产成人系列免费观看| 日韩不卡一区二区三区视频在线| 麻豆精品久久久久久蜜桃| 你懂的网址亚洲精品在线观看| 精品第一国产精品| 久久狼人影院| 国产97色在线日韩免费| 狠狠精品人妻久久久久久综合| 男女之事视频高清在线观看 | 久久久久人妻精品一区果冻| 国产淫语在线视频| 精品国产一区二区久久| 亚洲国产欧美日韩在线播放| 国产成人精品久久久久久| 一区二区三区四区激情视频| 欧美黄色片欧美黄色片| 夫妻午夜视频| 国产一区有黄有色的免费视频| 国产熟女午夜一区二区三区| 久久人人爽人人片av| 国产精品av久久久久免费| 国产日韩一区二区三区精品不卡| 日韩一区二区视频免费看| 精品国产乱码久久久久久小说| 九色亚洲精品在线播放| 欧美xxⅹ黑人| av国产久精品久网站免费入址| 亚洲男人天堂网一区| 成人三级做爰电影| 国产日韩欧美亚洲二区| 一区二区av电影网| 在线亚洲精品国产二区图片欧美| 在线观看免费日韩欧美大片| a 毛片基地| 最近中文字幕2019免费版| 久久综合国产亚洲精品| 国产精品久久久人人做人人爽| 桃花免费在线播放| 九九爱精品视频在线观看| 欧美日韩成人在线一区二区| 欧美日韩精品网址| 满18在线观看网站| 欧美 亚洲 国产 日韩一| 老汉色av国产亚洲站长工具| 青春草亚洲视频在线观看| 久久国产精品男人的天堂亚洲| 日本一区二区免费在线视频| 欧美 日韩 精品 国产| 亚洲精品视频女| 亚洲综合精品二区| 大陆偷拍与自拍| 欧美日韩视频高清一区二区三区二| 精品一区二区三卡| 18禁裸乳无遮挡动漫免费视频| 中文字幕制服av| 十八禁人妻一区二区| 成年人午夜在线观看视频| 夫妻性生交免费视频一级片| 男男h啪啪无遮挡| 欧美人与善性xxx| 黑人猛操日本美女一级片| tube8黄色片| 亚洲美女视频黄频| 久久人人97超碰香蕉20202| 亚洲精品久久久久久婷婷小说| 不卡av一区二区三区| 波野结衣二区三区在线| 一二三四中文在线观看免费高清| 久久av网站| 亚洲国产中文字幕在线视频| 国产xxxxx性猛交| 国产成人91sexporn| 黄色 视频免费看| 日韩av在线免费看完整版不卡| 我要看黄色一级片免费的| 黄色视频不卡| 丁香六月欧美| 五月开心婷婷网| 欧美久久黑人一区二区| 蜜桃在线观看..| 免费久久久久久久精品成人欧美视频| 国产日韩欧美在线精品| 777米奇影视久久| 精品亚洲成国产av| 十分钟在线观看高清视频www| 国产爽快片一区二区三区| 久久精品亚洲av国产电影网| 韩国av在线不卡| 国产精品香港三级国产av潘金莲 | 国产av国产精品国产| 亚洲国产精品999| 欧美国产精品一级二级三级| 国产淫语在线视频| 国产男女内射视频| 一区福利在线观看| 2018国产大陆天天弄谢| 免费少妇av软件| 女人精品久久久久毛片| 无遮挡黄片免费观看| 哪个播放器可以免费观看大片| 99热全是精品| 免费高清在线观看视频在线观看| 麻豆精品久久久久久蜜桃| a级毛片在线看网站| 亚洲一区中文字幕在线| 欧美精品人与动牲交sv欧美| 国产精品一区二区精品视频观看| a级毛片在线看网站| 成年人午夜在线观看视频| 黄频高清免费视频| 一区二区三区乱码不卡18| 波野结衣二区三区在线| 亚洲国产欧美网| 伦理电影大哥的女人| 欧美日韩视频高清一区二区三区二| 亚洲精品一二三| √禁漫天堂资源中文www| 国产又爽黄色视频| 精品午夜福利在线看| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲精品乱久久久久久| 国产成人系列免费观看| 国产亚洲欧美精品永久| 日韩欧美一区视频在线观看| 伦理电影免费视频| a级片在线免费高清观看视频| 男女边吃奶边做爰视频| 久久久欧美国产精品| 一级毛片电影观看| 熟女av电影| 久久久精品94久久精品| 蜜桃在线观看..| 久久久久精品国产欧美久久久 | 国产乱来视频区| 日韩大码丰满熟妇| 性色av一级| 91国产中文字幕| 性色av一级| 久久性视频一级片| 欧美成人精品欧美一级黄| 久久性视频一级片| 女人被躁到高潮嗷嗷叫费观| 亚洲av成人精品一二三区| 性色av一级| 欧美最新免费一区二区三区| 男女高潮啪啪啪动态图| 欧美精品亚洲一区二区| 美女中出高潮动态图| 日本av免费视频播放| 亚洲一区中文字幕在线| 久久久久久久久久久久大奶| 久久人人爽人人片av| 18在线观看网站| 亚洲五月色婷婷综合| 婷婷色麻豆天堂久久| 日韩一区二区三区影片| 日本色播在线视频| 伊人久久大香线蕉亚洲五| 亚洲美女视频黄频| tube8黄色片| 精品午夜福利在线看| 欧美97在线视频| 美女扒开内裤让男人捅视频| 午夜免费男女啪啪视频观看| 综合色丁香网| 久久久久久久久久久免费av| netflix在线观看网站| 亚洲av电影在线进入| 国产成人a∨麻豆精品| 免费高清在线观看日韩| 欧美国产精品va在线观看不卡| 国产成人精品久久二区二区91 | 国产有黄有色有爽视频| www日本在线高清视频| 永久免费av网站大全| 欧美精品亚洲一区二区| 91国产中文字幕| 丝袜在线中文字幕| 精品一区二区免费观看| 久久国产精品男人的天堂亚洲| 欧美日韩亚洲国产一区二区在线观看 | 麻豆乱淫一区二区| 日本av免费视频播放| 欧美 日韩 精品 国产| 久久久久精品久久久久真实原创| 国产野战对白在线观看| 国产精品免费大片| 尾随美女入室| 高清不卡的av网站| 天天添夜夜摸| 亚洲国产精品成人久久小说| 亚洲av中文av极速乱| 亚洲三区欧美一区| 日韩伦理黄色片| 精品亚洲乱码少妇综合久久| 又粗又硬又长又爽又黄的视频| avwww免费| 久久久久人妻精品一区果冻| 岛国毛片在线播放| 无限看片的www在线观看| 成人毛片60女人毛片免费| 久久久久国产精品人妻一区二区| 亚洲熟女精品中文字幕| 人人妻,人人澡人人爽秒播 | 亚洲精品久久午夜乱码| 90打野战视频偷拍视频| 老司机亚洲免费影院| 天天躁夜夜躁狠狠久久av| 黄网站色视频无遮挡免费观看| 又大又爽又粗| 三上悠亚av全集在线观看| 性少妇av在线| h视频一区二区三区| 伦理电影免费视频| 九草在线视频观看| av电影中文网址| 欧美在线一区亚洲| 免费看av在线观看网站| 极品人妻少妇av视频| 国产又爽黄色视频| 亚洲国产精品一区三区| 五月开心婷婷网| 亚洲欧美清纯卡通| 国产成人精品久久二区二区91 | 国产福利在线免费观看视频| 久久99热这里只频精品6学生| 久久久久精品人妻al黑| 一区二区三区乱码不卡18| 婷婷色麻豆天堂久久| 青春草国产在线视频| 免费在线观看黄色视频的| 老熟女久久久| 国产男人的电影天堂91| 日韩精品免费视频一区二区三区| 青青草视频在线视频观看| 久久精品人人爽人人爽视色| 中文乱码字字幕精品一区二区三区| 1024视频免费在线观看| 欧美 日韩 精品 国产| av片东京热男人的天堂| 成年动漫av网址| 久久久久久久久免费视频了| 波野结衣二区三区在线| 国产精品久久久久久精品电影小说| 亚洲人成电影观看| 嫩草影视91久久| 爱豆传媒免费全集在线观看| 宅男免费午夜| 午夜福利视频精品| 高清黄色对白视频在线免费看| 日韩一区二区三区影片| 久久久精品国产亚洲av高清涩受| 久久狼人影院| 久久久久久久精品精品| 色网站视频免费| 老司机在亚洲福利影院| 亚洲色图 男人天堂 中文字幕| 人人妻,人人澡人人爽秒播 | 高清不卡的av网站| 亚洲七黄色美女视频| 国产亚洲av高清不卡| 又大又黄又爽视频免费| 男女无遮挡免费网站观看| 国产一区二区 视频在线| 90打野战视频偷拍视频| 亚洲欧美中文字幕日韩二区| 日本av免费视频播放| av在线app专区| 日韩av免费高清视频| 黄片小视频在线播放| 精品少妇内射三级| 美女大奶头黄色视频| 国产精品久久久久久久久免| 国产一区亚洲一区在线观看| 一本一本久久a久久精品综合妖精| 色播在线永久视频| 电影成人av| 精品亚洲成国产av| 中文字幕最新亚洲高清| 夫妻性生交免费视频一级片| 一二三四在线观看免费中文在| 99香蕉大伊视频| 亚洲成人免费av在线播放| 欧美另类一区| 美女高潮到喷水免费观看| 亚洲自偷自拍图片 自拍| 欧美亚洲 丝袜 人妻 在线| 国产在线一区二区三区精| 多毛熟女@视频| 美女高潮到喷水免费观看| 成年人午夜在线观看视频| 成人黄色视频免费在线看| av在线老鸭窝| 男女高潮啪啪啪动态图| 国产成人精品在线电影| 少妇人妻精品综合一区二区| 精品国产一区二区久久| 欧美变态另类bdsm刘玥| 精品卡一卡二卡四卡免费| 久久久亚洲精品成人影院| 天天躁夜夜躁狠狠躁躁| 男女边吃奶边做爰视频| 国产成人精品在线电影| 精品少妇一区二区三区视频日本电影 | 国产成人av激情在线播放| 一级毛片黄色毛片免费观看视频| 韩国高清视频一区二区三区| 一本—道久久a久久精品蜜桃钙片| 欧美老熟妇乱子伦牲交| 亚洲,一卡二卡三卡| 男女下面插进去视频免费观看| 老司机靠b影院| 中文精品一卡2卡3卡4更新| 欧美黄色片欧美黄色片| 高清欧美精品videossex| 欧美亚洲 丝袜 人妻 在线| 精品亚洲成a人片在线观看| 在线观看国产h片| 欧美日韩亚洲综合一区二区三区_| 在线免费观看不下载黄p国产| 精品一区二区免费观看| 黄片小视频在线播放| 亚洲精品国产av成人精品| 欧美亚洲 丝袜 人妻 在线| 91成人精品电影| 天堂8中文在线网| 国产免费福利视频在线观看| 国产一级毛片在线| 久久久久国产一级毛片高清牌| 国产探花极品一区二区| 一边摸一边抽搐一进一出视频| 哪个播放器可以免费观看大片| 青春草视频在线免费观看| 亚洲色图综合在线观看| 老鸭窝网址在线观看| 国产爽快片一区二区三区| 丰满乱子伦码专区| 美女脱内裤让男人舔精品视频| 在线观看www视频免费| 国产精品人妻久久久影院| 99re6热这里在线精品视频| 老司机影院成人| bbb黄色大片| 免费看不卡的av| 亚洲精品国产av成人精品| 国产一区二区三区av在线| 男人添女人高潮全过程视频| 久久韩国三级中文字幕| 午夜日本视频在线| av在线app专区| 人人妻人人添人人爽欧美一区卜| 亚洲欧美一区二区三区黑人| 欧美亚洲日本最大视频资源| 日本猛色少妇xxxxx猛交久久| 90打野战视频偷拍视频| 建设人人有责人人尽责人人享有的| 亚洲熟女精品中文字幕| 亚洲av成人不卡在线观看播放网 | 日韩 欧美 亚洲 中文字幕| 亚洲国产精品一区三区| 国产成人精品久久久久久| 国产无遮挡羞羞视频在线观看| 久久久国产一区二区| 亚洲中文av在线| 麻豆乱淫一区二区| 亚洲精品乱久久久久久| 欧美激情极品国产一区二区三区| 久久久久国产精品人妻一区二区| 十分钟在线观看高清视频www| 十八禁网站网址无遮挡| 九色亚洲精品在线播放| 色吧在线观看| 91精品三级在线观看| 久久久久网色| 国产精品秋霞免费鲁丝片| 国产午夜精品一二区理论片| 又黄又粗又硬又大视频| 香蕉国产在线看| 两个人免费观看高清视频| 丝袜美足系列| 国产精品无大码| 午夜福利乱码中文字幕| 美国免费a级毛片| 99香蕉大伊视频| 国产不卡av网站在线观看| 在现免费观看毛片| 日韩精品有码人妻一区| 1024香蕉在线观看| 在线 av 中文字幕| 日韩一卡2卡3卡4卡2021年| 精品人妻熟女毛片av久久网站| 久热爱精品视频在线9| 国产精品人妻久久久影院|