• <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 ?

    基于組合數(shù)據(jù)清洗與NL-ConvLSTM模型的多步風(fēng)電功率預(yù)測

    2023-02-15 07:36:14吳平雄肖迎群林興宇
    機(jī)械與電子 2023年1期
    關(guān)鍵詞:電功率風(fēng)速卷積

    吳平雄,肖迎群,張 蘇,林興宇

    (1.貴州大學(xué)電氣工程學(xué)院,貴州 貴陽 550025;2.貴州理工學(xué)院大數(shù)據(jù)學(xué)院,貴州 貴陽 550003)

    0 引言

    近年來,隨著全球節(jié)能減排的號召,可再生能源發(fā)電的規(guī)模也逐漸壯大;尤其風(fēng)能儲量大,在可再生能源中成本較低,具有良好的發(fā)展前景[1]。同時(shí)鑒于風(fēng)能存在著較大的不確定性和間歇性,且大規(guī)模風(fēng)電并網(wǎng)將對電網(wǎng)長期穩(wěn)定性有不良影響[2],因此,準(zhǔn)確可靠的風(fēng)電功率預(yù)測能為電力調(diào)度和能量管理等方面提供有力支持[3]。

    目前,短期風(fēng)電預(yù)測方法主要有物理方法、統(tǒng)計(jì)學(xué)方法、人工智能方法以及組合方法[4]。物理方法計(jì)算復(fù)雜,不需要?dú)v史功率數(shù)據(jù),適合于中長期預(yù)測[5-6]。統(tǒng)計(jì)學(xué)方法利用大量歷史風(fēng)速和功率數(shù)據(jù)預(yù)測未來發(fā)電數(shù)據(jù),但該方法對非平穩(wěn)序列的預(yù)測效果欠佳。隨著人工智能的發(fā)展,常用的機(jī)器學(xué)習(xí)方法、BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)(SVM)在預(yù)測領(lǐng)域得到一定的認(rèn)可[7-8]。

    風(fēng)電數(shù)據(jù)在采集的過程中由于錄入設(shè)備損壞和棄風(fēng)限電等問題,數(shù)據(jù)中存在缺失值和異常值[9];當(dāng)數(shù)據(jù)中含有大量缺失值和異常值時(shí),會嚴(yán)重影響模型的預(yù)測效果,盲目刪除異常數(shù)據(jù)也會導(dǎo)致訓(xùn)練樣本不足,而達(dá)不到預(yù)期的預(yù)測精度。但單一異常值檢測方法難以檢測所有類型的異常值,多項(xiàng)方法組合能夠取得更好的結(jié)果[10]。填補(bǔ)缺失值一般采用均值填充、插值法和線性回歸等方法[11]。

    現(xiàn)有風(fēng)電功率預(yù)測模型一般將歷史功率作為輸入,來預(yù)測未來風(fēng)電出力;鑒于氣象因素對新能源發(fā)電影響較大,許多學(xué)者將氣象數(shù)據(jù)作為多特征輸入,剖析多特征變量與功率之間的相關(guān)性[12]。目前,RNN、LSTM、GRU等神經(jīng)網(wǎng)絡(luò)模型具有非線性處理能力強(qiáng)、能夠挖掘時(shí)序特征,因此常用于風(fēng)電預(yù)測領(lǐng)域[13-14]。

    本文考慮到風(fēng)電數(shù)據(jù)存在較多的異常數(shù)據(jù),以及結(jié)合自注意力機(jī)制和深度神經(jīng)網(wǎng)絡(luò)在時(shí)序問題上優(yōu)秀的學(xué)習(xí)能力,提出基于DBSCAN-OIV-RF、NL、ConvLSTM算法結(jié)合的短期風(fēng)電功率多步預(yù)測模型。

    1 相關(guān)理論基礎(chǔ)

    1.1 DBSCAN聚類算法

    DBSCAN是一種基于密度的聚類算法,不需要規(guī)定聚類數(shù)量[15]。DBSCAN算法具有2個(gè)重要參數(shù),分別是鄰域ε和鄰域內(nèi)最少樣本數(shù)s;給定一個(gè)樣本集Z,該算法定義如下。

    a.鄰域ε。以點(diǎn)p為中心,半徑為ε的圓形區(qū)域內(nèi)點(diǎn)的集合。

    Nε(p)={q∈Z|d(p,q)≤ε}

    (1)

    d(p,q)為點(diǎn)p與點(diǎn)q之間的距離;Nε(p)為與點(diǎn)p距離小于等于ε的點(diǎn)的集合。

    b.核心點(diǎn)。?p∈Z,p的鄰域內(nèi)的點(diǎn)數(shù)大于等于s,則稱p為核心點(diǎn)。

    |Nε(p)≥s|

    (2)

    c.密度直達(dá)。對于集合Z,若點(diǎn)q在p的鄰域內(nèi),且p為核心點(diǎn),則稱q從p出發(fā)密度直達(dá),反之不成立。

    d.密度可達(dá)。對于集合Z,假設(shè)有一連串樣本點(diǎn)p1,p2,…,pi,…,pn,p=p1,q=pn,若pi從pi-1出發(fā)是密度直達(dá)的,則對象q從對象p出發(fā)密度可達(dá)。

    e.密度相連。對于集合Z,存在一點(diǎn)o,若點(diǎn)o到點(diǎn)p和點(diǎn)q都是密度可達(dá)的,則p和q密度相連。

    f.簇。對于一個(gè)非空集合C屬于Z,滿足如下條件時(shí)被稱作一個(gè)簇:

    ①?p∈Z,若p∈C且q從p出發(fā)密度可達(dá),則q∈C。

    ②?p,q∈C,p和q是密度相連的。

    g.噪聲。在集合Z中不屬于任何一個(gè)簇的點(diǎn)定義為噪聲。

    如圖1所示,x1是核心點(diǎn);x2由x1密度直達(dá);x3由x1密度可達(dá);x3與x4密度相連。

    1.2 最優(yōu)組內(nèi)方差法

    最優(yōu)組內(nèi)方差法(optimal interclass variance,OIV)是一種能夠快速有效地識別風(fēng)機(jī)正常發(fā)電數(shù)據(jù)和發(fā)電偏低數(shù)據(jù)的異常值檢測算法[16]。

    定義:給定的功率曲線集合為U,設(shè)目標(biāo)集合為V={Vn,V1},其中,Vn表示風(fēng)機(jī)正常發(fā)電數(shù)據(jù)集,V1表示機(jī)組發(fā)電量偏低的數(shù)據(jù)集,即異常數(shù)據(jù)。

    功率曲線集U={(x1,y1),(x2,y2),…,(xn,yn)},滿足yi

    (3)

    按式(3)可將第t個(gè)風(fēng)速區(qū)間的數(shù)據(jù)集劃分為:

    Un(t)={(xi,yi)|(xi,yi)∈U(t),1≤i≤λ}

    (4)

    U1(t)={(xi,yi)|(xi,yi)∈U(t),λ

    (5)

    Un(t)為第t個(gè)風(fēng)速區(qū)間的正常數(shù)據(jù)集;U1(t)為第t個(gè)風(fēng)速區(qū)間的異常數(shù)據(jù)集。

    對2類數(shù)據(jù)集進(jìn)行匯總,得到目標(biāo)集合Vn、V1為:

    Vn={Un(1),Un(2),…,Un(W)}

    (6)

    V1={U1(1),U1(2),…,U1(W)}

    (7)

    1.3 隨機(jī)森林算法

    隨機(jī)森林(random forest,RF)是以決策樹為基本單元,結(jié)合Bagging(bootstrap aggregating)方法和隨機(jī)特征選擇的集成學(xué)習(xí)方法[17]。RF訓(xùn)練、預(yù)測流程如圖2所示,其具體步驟如下:

    a.在給定訓(xùn)練集T的N個(gè)樣本中隨機(jī)有放回地采樣,得到k個(gè)子訓(xùn)練集Ti。

    b.每棵決策樹輸入子訓(xùn)練集并從M個(gè)特征中隨機(jī)選擇m個(gè)特征子集作為分裂特征集,在分裂特征集中以最優(yōu)分裂方式分裂生成決策樹。

    c.重復(fù)前2個(gè)步驟,生成k棵決策樹的隨機(jī)森林。

    d.將測試集輸入生成的RF模型,得到k個(gè)決策樹的回歸結(jié)果,對k個(gè)回歸結(jié)果求平均,求得最終預(yù)測值。

    圖2 隨機(jī)森林算法流程

    1.4 非局部神經(jīng)網(wǎng)絡(luò)

    2018年,非局部(non-local,NL)神經(jīng)網(wǎng)絡(luò)是由Wang等[18]提出的捕捉序列全局依賴關(guān)系的自注意力模型。CNN和遞歸操作都是在局部區(qū)域進(jìn)行操作的,而NL網(wǎng)絡(luò)通過計(jì)算任意2個(gè)位置之間的交互直接捕捉遠(yuǎn)程依賴。下面給出NL網(wǎng)絡(luò)在時(shí)空維度下的定義:

    NL可看作輸入信號x到輸出信號y的映射,其一般模型表示為

    (8)

    x為輸入信號;y為輸出信號;i為關(guān)注的位置的索引;j為所有可能位置的索引;函數(shù)f為相似度函數(shù),用來計(jì)算從xi和所有xj之間的相似關(guān)系;一元函數(shù)g(xj)計(jì)算輸入信號在位置j的表示;C(x)為歸一化函數(shù)。

    在NL模型中,需要確定函數(shù)f、g、C的具體形式。g(xj)是對xj的線性映射,g(xj)=Wgxj,其中,Wg是權(quán)重系數(shù)矩陣。在本文中,輸入為時(shí)空數(shù)據(jù),Wg采用1×1×1的卷積操作。

    f函數(shù)有多種形式,分別為高斯、嵌入高斯、點(diǎn)積和拼接。NL網(wǎng)絡(luò)對f函數(shù)選擇并不敏感,本文采用嵌入高斯函數(shù)為

    f(xi,xj)=eθ(xi)Tφ(xj)

    (9)

    θ(xi)=Wθxi,φ(xj)=Wφxj,Wθ、Wφ為權(quán)重系數(shù)矩陣。

    相應(yīng)的歸一化函數(shù)為

    (10)

    將式(8)的NL網(wǎng)絡(luò)封裝到殘差模塊中,定義為

    zi=Wzyi+xi

    (11)

    Wz為權(quán)重系數(shù)矩陣,初始化為零矩陣。

    1.5 ConvLSTM模型

    1.5.1 ConvLSTM單元

    LSTM在時(shí)序問題的處理上具有十分不錯(cuò)的效果;CNN適合處理空間數(shù)據(jù),常用于挖掘數(shù)據(jù)特征信息,因此,CNN+LSTM的組合算法頻繁用在解決時(shí)序問題上,并展現(xiàn)了它的有效性。然而,CNN+LSTM的組合方式中,LSTM在輸入-狀態(tài)和狀態(tài)-狀態(tài)的轉(zhuǎn)換中使用全連接層,沒有考慮信息之間的空間相關(guān)性。

    2015年,Shi等[19]提出的ConvLSTM模型,將LSTM擴(kuò)展為在輸入-狀態(tài)和狀態(tài)-狀態(tài)轉(zhuǎn)換中都具有卷積結(jié)構(gòu)的網(wǎng)絡(luò),比起CNN-LSTM組合方法只在輸入端挖掘數(shù)據(jù)特征,ConvLSTM能在模型內(nèi)部不斷提取特征。ConvLSTM單元的關(guān)鍵方程為

    (12)

    ·為Hadamard乘積;*為卷積運(yùn)算;Xt為當(dāng)前時(shí)刻的輸入;Ht-1為上個(gè)時(shí)刻的隱藏層輸出;Ct為當(dāng)前時(shí)刻存儲單元狀態(tài);it為輸入門;ft為遺忘門;ot為輸出門;W和b分別為權(quán)重系數(shù)和偏差。

    1.5.2 編碼-預(yù)測結(jié)構(gòu)

    本文通過堆疊ConvLSTM單元來構(gòu)建編碼-預(yù)測(encoding-foresasting,EF)結(jié)構(gòu)增加結(jié)構(gòu)深度,預(yù)測網(wǎng)絡(luò)的初始狀態(tài)是從編碼網(wǎng)絡(luò)的最后狀態(tài)復(fù)制來的。EF結(jié)構(gòu)如圖3所示。

    圖3 EF結(jié)構(gòu)

    2 模型建立

    2.1 DBSCAN-OIV-RF數(shù)據(jù)清洗

    本文使用的是國內(nèi)某風(fēng)電場的數(shù)據(jù)。其風(fēng)速-功率散點(diǎn)圖如圖4所示。第1~第4類異常點(diǎn)分別為風(fēng)速增大但出力基本不變的橫向堆積點(diǎn)、遠(yuǎn)離曲線的分散點(diǎn)、曲線周圍密度大的簇狀點(diǎn)以及風(fēng)速不變但功率變化大的縱向分布堆積點(diǎn)[20];產(chǎn)生的原因分別是棄風(fēng)限電[21]、傳感器異?;蚬收稀?shù)據(jù)傳輸受電磁干擾[22]以及風(fēng)速傳感器失靈[23]。

    圖4 原風(fēng)速-功率散點(diǎn)圖

    對于風(fēng)速-功率散點(diǎn)圖中分散點(diǎn)采用DBSCAN算法篩查。DBSCAN有2個(gè)重要參數(shù)分別是鄰域半徑ε和最小樣本數(shù)s,ε的確定采用k-distance函數(shù),步驟如下:

    a.選定一個(gè)k值,假設(shè)輸入特征數(shù)為h,則k=2h-1。

    b.對于數(shù)據(jù)各點(diǎn),計(jì)算距離該點(diǎn)第k個(gè)最近距離,并將全部最近鄰域距離按照降序進(jìn)行排序,繪制k-distance曲線,拐點(diǎn)位置的距離值即為ε值。

    c.s一般通過人工選取,且s≥h+1。

    隨機(jī)采樣30%的數(shù)據(jù)量以求解k值,輸入特征為標(biāo)準(zhǔn)化處理的風(fēng)速和風(fēng)電功率,則k=3,因此得到k-distance曲線如圖5所示。

    圖5 k-distance曲線

    由圖5可知,ε=0.044 3,將ε數(shù)值微調(diào)至0.047 3,s設(shè)置為20。DBSCAN的輸入數(shù)據(jù)集為D={(x1,y1),(x2,y2),…,(xn,yn)},x為風(fēng)速,y為功率,n為數(shù)據(jù)總數(shù)。通過DBSCAN算法可以得到聚類結(jié)果如圖6所示,得到的聚類數(shù)為13個(gè),將簇0視為正常值,其余簇視為異常值,并匯總為正常數(shù)據(jù)集Dn與異常數(shù)據(jù)集D1。

    圖6 DBSCAN聚類結(jié)果

    圖6中,圈住部分與風(fēng)速-功率曲線連接部分密度較大,難以與正常值區(qū)分開,采用OIV算法處理曲線下方異常點(diǎn)。設(shè)定風(fēng)速總區(qū)間為[12.50 m/s,16.00 m/s],風(fēng)速間隔為0.25 m/s,將風(fēng)速總區(qū)間劃分為13個(gè)狀態(tài)量,U={U(1),U(2),…,U(13)},U?Dn,用標(biāo)準(zhǔn)差代替方差,設(shè)置初始閾值S,按式(3)計(jì)算各點(diǎn)標(biāo)準(zhǔn)差值并降列排序,曲線拐點(diǎn)橫坐標(biāo)即為λ,按式(4)和式(5)劃分正常數(shù)據(jù)集Un和異常數(shù)據(jù)集U1,并根據(jù)式(6)和式(7)得到總的正常數(shù)據(jù)集與異常數(shù)據(jù)集Vn、V1。OIV算法清洗后的風(fēng)速區(qū)間內(nèi)散點(diǎn)分布如圖7所示。

    圖7 設(shè)定風(fēng)速區(qū)間內(nèi)OIV算法數(shù)據(jù)清洗結(jié)果

    將異常數(shù)據(jù)集P1={D1,V1}作為缺失值處理,采用RF算法填補(bǔ)缺失值,Pn=(Dn-V1)作為訓(xùn)練集訓(xùn)練RF模型,以填補(bǔ)P1的功率值,RF模型中的決策樹個(gè)數(shù)設(shè)為101,數(shù)據(jù)填補(bǔ)結(jié)果如圖8所示。

    圖8 隨機(jī)森林算法數(shù)據(jù)填補(bǔ)效果

    2.2 NL-ConvLSTM多步預(yù)測模型

    2.2.1 數(shù)據(jù)集重構(gòu)

    X具體形式為

    (13)

    N為數(shù)據(jù)總量;M為特征維度,包括風(fēng)速、風(fēng)向、風(fēng)電功率、溫度、氣壓、濕度;xM為風(fēng)電功率序列。

    將時(shí)序維度重構(gòu)為時(shí)空特征維度,在ConvLSTM模型中進(jìn)一步提取數(shù)據(jù)中時(shí)間與空間維度特征,重構(gòu)方式如下。

    a.數(shù)據(jù)集分為輸入輸出集,以滑動(dòng)窗口的方式對輸入集和輸出集分別劃分時(shí)間步,以輸入集每個(gè)樣本J個(gè)時(shí)間步預(yù)測輸出集樣本的未來K個(gè)時(shí)間步,J為總時(shí)間步長,K為單位時(shí)間步長,T為時(shí)間步長個(gè)數(shù),J=T×K。輸入集輸出集分別為:

    (14)

    (15)

    2.2.2 NL-ConvLSTM模型

    NL操作在計(jì)算輸入數(shù)據(jù)X在i位置的響應(yīng)時(shí)考慮了所有位置特征的加權(quán)平均;ConvLSTM中的卷積能夠提取輸入到狀態(tài),和狀態(tài)之間的特征。本文采用NL模型提取輸入數(shù)據(jù)的全局信息,并通過ConvLSTM模型中的卷積操作進(jìn)一步加深特征間關(guān)系。NL操作步驟如下。

    圖9 時(shí)空非局部模塊

    圖10 本文預(yù)測模型結(jié)構(gòu)

    3 算例分析

    算例選用國內(nèi)西北某一風(fēng)電場2019年實(shí)測風(fēng)電功率數(shù)據(jù)和氣象數(shù)據(jù)(包括風(fēng)速、風(fēng)向、溫度、氣壓和濕度),裝機(jī)容量為200 MW,采樣時(shí)間間隔為15 min,共35 040組數(shù)據(jù)。該數(shù)據(jù)集以6∶2∶2比例劃分成訓(xùn)練集、驗(yàn)證集和測試集。并對數(shù)據(jù)集進(jìn)行歸一化,驗(yàn)證集和測試集以訓(xùn)練集的最大值最小值實(shí)現(xiàn)歸一化,以防止數(shù)據(jù)泄露,歸一化公式為

    (16)

    x為原數(shù)值;xmin為最小值;xmax為最大值;xscaled為歸一化后的值。

    3.1 模型參數(shù)與超參數(shù)選擇

    本文模型輸入數(shù)據(jù)包括氣象數(shù)據(jù)和歷史風(fēng)電功率數(shù)據(jù),共6個(gè)特征(M=6),以歷史24個(gè)時(shí)間步預(yù)測未來6個(gè)時(shí)間步的數(shù)據(jù),由此可得T=4 ,K=6,并將高H、寬W設(shè)置為1和6。

    文中損失函數(shù)選用均方誤差eMSE,優(yōu)化器選用Adam優(yōu)化算法,學(xué)習(xí)率為0.2×10-3,訓(xùn)練集和驗(yàn)證集批量大小分別為128、64,訓(xùn)練次數(shù)epoches為200次,編碼網(wǎng)絡(luò)和預(yù)測網(wǎng)絡(luò)的層數(shù)都為4,ConvLSTM單元超參數(shù)設(shè)置為:卷積核大小為(1,3),步幅為1,隱含層節(jié)點(diǎn)數(shù)為16。eMSE計(jì)算公式為

    (17)

    3.2 評價(jià)指標(biāo)

    本文選用均方根誤差eRMSE和R2作為預(yù)測評價(jià)指標(biāo)。各評價(jià)指標(biāo)計(jì)算公式為:

    (18)

    (19)

    3.3 實(shí)驗(yàn)結(jié)果及分析

    確定模型結(jié)構(gòu)與參數(shù)后,以訓(xùn)練集訓(xùn)練風(fēng)電多步預(yù)測模型,在驗(yàn)證集上得到最小均方誤差的模型作為最優(yōu)模型;最優(yōu)模型在測試集上得到最終預(yù)測。為了驗(yàn)證該方法的有效性,將LSTM模型、GRU模型、CNN-LSTM模型、ConvLSTM單模型、本文的DBSCAN-OIV-RF(DOR)數(shù)據(jù)清洗與NL-ConvLSTM算法結(jié)合的多步風(fēng)電功率預(yù)測進(jìn)行比較。選取300個(gè)樣本點(diǎn)繪制各模型預(yù)測值與真實(shí)值對比曲線如圖11所示,預(yù)測結(jié)果如表1所示。

    圖11 各模型預(yù)測結(jié)果對比

    表1 各預(yù)測模型評價(jià)指標(biāo)對比

    根據(jù)圖11可以看出,LSTM和GRU模型在曲線頂峰和谷底有較大的波動(dòng),CNN-LSTM、ConvLSTM模型和本文模型曲線相對穩(wěn)定,說明合適的卷積操作對模型的精度有一定提升,具有穩(wěn)定梯度的作用。根據(jù)表1可知,本文模型對原始數(shù)據(jù)異常值刪補(bǔ)和非局部神經(jīng)網(wǎng)絡(luò)的應(yīng)用,對比其他模型eRMSE指標(biāo)有明顯的降低,R2指標(biāo)有一定提升,因此,異常值的篩查和自注意力算法以及ConvLSTM模型內(nèi)部卷積操作都能夠增強(qiáng)各特征之間的相關(guān)程度,有效提升模型的穩(wěn)定性。

    4 結(jié)束語

    本文提出一種組合數(shù)據(jù)預(yù)處理方法和NL-ConvLSTM模型的風(fēng)電功率多步預(yù)測方法,針對目前風(fēng)電數(shù)據(jù)在采集與傳輸?shù)倪^程中產(chǎn)生大量的異常值與缺失值,數(shù)據(jù)預(yù)處理能夠提高數(shù)據(jù)質(zhì)量;并將與風(fēng)電功率數(shù)據(jù)相關(guān)的氣象數(shù)據(jù)作為輸入特征,采用具有自注意力機(jī)制的以殘差連接的NL模塊提取輸入數(shù)據(jù)全局特征;為防止長序列輸入信息的遺忘,運(yùn)用ConvLSTM單元的內(nèi)部卷積操作,加強(qiáng)特征表示,提高預(yù)測模型的精度。通過實(shí)驗(yàn)分析,該模型與其他模型對比在穩(wěn)定性和精度上都有提升。

    猜你喜歡
    電功率風(fēng)速卷積
    基于PCC-CNN-GRU的短期風(fēng)電功率預(yù)測
    基于3D-Winograd的快速卷積算法設(shè)計(jì)及FPGA實(shí)現(xiàn)
    基于Kmeans-VMD-LSTM的短期風(fēng)速預(yù)測
    輕松上手電功率
    你會計(jì)算電功率嗎
    基于最優(yōu)TS評分和頻率匹配的江蘇近海風(fēng)速訂正
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    解讀電功率
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    基于GARCH的短時(shí)風(fēng)速預(yù)測方法
    亚洲性久久影院| 成人综合一区亚洲| 精品卡一卡二卡四卡免费| 国产成人精品婷婷| 制服诱惑二区| 日韩在线高清观看一区二区三区| 一级爰片在线观看| 亚洲国产成人一精品久久久| 成年人午夜在线观看视频| 久久午夜综合久久蜜桃| 人人妻人人澡人人看| 精品国产一区二区三区久久久樱花| 精品国产一区二区三区四区第35| 久久人人97超碰香蕉20202| 精品一区二区三区视频在线| 99九九在线精品视频| 久久久国产一区二区| 国产精品成人在线| 母亲3免费完整高清在线观看 | 国产精品嫩草影院av在线观看| 最近2019中文字幕mv第一页| 老熟女久久久| 日韩欧美一区视频在线观看| 亚洲av欧美aⅴ国产| 91国产中文字幕| 亚洲av成人精品一二三区| 久久久久久伊人网av| 啦啦啦中文免费视频观看日本| 久久精品国产综合久久久 | 乱人伦中国视频| 18+在线观看网站| 欧美激情极品国产一区二区三区 | 国产精品国产三级国产av玫瑰| 丰满迷人的少妇在线观看| 中文字幕av电影在线播放| 亚洲欧美清纯卡通| 亚洲精品第二区| 久久久久久人人人人人| 免费少妇av软件| 国产精品.久久久| 亚洲国产精品一区二区三区在线| 观看av在线不卡| 七月丁香在线播放| 亚洲欧洲精品一区二区精品久久久 | 午夜激情久久久久久久| 成人18禁高潮啪啪吃奶动态图| 91精品国产国语对白视频| 欧美 亚洲 国产 日韩一| 一级黄片播放器| 成年av动漫网址| 又黄又爽又刺激的免费视频.| 国产成人精品在线电影| 1024视频免费在线观看| 少妇人妻久久综合中文| 欧美少妇被猛烈插入视频| 亚洲内射少妇av| 高清欧美精品videossex| 国产日韩欧美视频二区| 日本欧美视频一区| 女人久久www免费人成看片| 只有这里有精品99| 久久人人爽人人爽人人片va| 久久97久久精品| 国产精品嫩草影院av在线观看| 韩国高清视频一区二区三区| 国产一区二区三区综合在线观看 | 七月丁香在线播放| 在线观看免费高清a一片| 在线免费观看不下载黄p国产| 天天躁夜夜躁狠狠躁躁| 亚洲性久久影院| 久久人妻熟女aⅴ| 人人妻人人澡人人看| 中文字幕最新亚洲高清| 制服丝袜香蕉在线| 香蕉国产在线看| 成人漫画全彩无遮挡| 啦啦啦视频在线资源免费观看| 免费日韩欧美在线观看| 欧美3d第一页| 香蕉精品网在线| 建设人人有责人人尽责人人享有的| 曰老女人黄片| 欧美精品亚洲一区二区| 久久国产亚洲av麻豆专区| 国产一区二区在线观看av| 亚洲精品视频女| 亚洲av电影在线进入| 在线天堂最新版资源| 少妇高潮的动态图| 99国产综合亚洲精品| 国产欧美亚洲国产| av有码第一页| 色网站视频免费| 在线精品无人区一区二区三| 夜夜爽夜夜爽视频| 久久女婷五月综合色啪小说| 观看av在线不卡| 久久韩国三级中文字幕| 超碰97精品在线观看| 免费少妇av软件| 精品福利永久在线观看| 美女国产视频在线观看| 国精品久久久久久国模美| 一本久久精品| 秋霞伦理黄片| 国产av精品麻豆| 日本与韩国留学比较| 青青草视频在线视频观看| 美女国产高潮福利片在线看| 丝袜喷水一区| 亚洲精品自拍成人| 丰满乱子伦码专区| 99久久精品国产国产毛片| 久久狼人影院| 寂寞人妻少妇视频99o| 国产国语露脸激情在线看| 卡戴珊不雅视频在线播放| 亚洲欧美日韩另类电影网站| 国产乱人偷精品视频| 免费看不卡的av| 91aial.com中文字幕在线观看| 午夜激情久久久久久久| a级毛片黄视频| 国产又爽黄色视频| 欧美日韩一区二区视频在线观看视频在线| 国产麻豆69| 久久韩国三级中文字幕| 欧美日韩亚洲高清精品| 十八禁网站网址无遮挡| 免费av不卡在线播放| 一级毛片 在线播放| 最近中文字幕高清免费大全6| 丝袜脚勾引网站| 少妇人妻精品综合一区二区| av有码第一页| 精品国产一区二区久久| 夜夜爽夜夜爽视频| 国产免费福利视频在线观看| 狂野欧美激情性xxxx在线观看| 曰老女人黄片| 日韩视频在线欧美| 亚洲精品美女久久av网站| 国产在线免费精品| 久久久久久伊人网av| 亚洲色图综合在线观看| 香蕉精品网在线| 久久久久久久久久成人| 国产一区二区三区av在线| 精品少妇久久久久久888优播| 在线免费观看不下载黄p国产| 男人添女人高潮全过程视频| 美女大奶头黄色视频| 欧美精品av麻豆av| 成年人午夜在线观看视频| 国产亚洲av片在线观看秒播厂| 在线观看免费视频网站a站| 久久国产精品大桥未久av| 亚洲色图 男人天堂 中文字幕 | 99热6这里只有精品| 男女无遮挡免费网站观看| 精品国产一区二区三区久久久樱花| 777米奇影视久久| 好男人视频免费观看在线| 蜜桃国产av成人99| 精品国产一区二区三区四区第35| 久久久久久久久久久久大奶| 夫妻午夜视频| 亚洲精品成人av观看孕妇| 在线观看免费视频网站a站| 午夜福利在线观看免费完整高清在| 99热网站在线观看| 亚洲精品成人av观看孕妇| 国产av一区二区精品久久| 午夜福利网站1000一区二区三区| 国产精品人妻久久久影院| 国产免费一区二区三区四区乱码| 久久久精品区二区三区| 中文字幕另类日韩欧美亚洲嫩草| 日韩三级伦理在线观看| 老司机影院成人| 亚洲精品一区蜜桃| 中文天堂在线官网| 国产亚洲午夜精品一区二区久久| 久久精品久久久久久久性| h视频一区二区三区| 日产精品乱码卡一卡2卡三| 欧美另类一区| 黄网站色视频无遮挡免费观看| 亚洲丝袜综合中文字幕| a级毛片在线看网站| 丰满迷人的少妇在线观看| 国产亚洲一区二区精品| 亚洲精品美女久久久久99蜜臀 | 少妇人妻久久综合中文| 欧美成人午夜精品| 精品少妇黑人巨大在线播放| 欧美bdsm另类| 国产av国产精品国产| 日本91视频免费播放| 亚洲av电影在线进入| 精品一区二区三区四区五区乱码 | 免费观看无遮挡的男女| 女的被弄到高潮叫床怎么办| 熟女电影av网| av又黄又爽大尺度在线免费看| 性色avwww在线观看| 久久久久久久国产电影| 精品亚洲乱码少妇综合久久| 99国产精品免费福利视频| 如日韩欧美国产精品一区二区三区| 制服人妻中文乱码| 国产一级毛片在线| 蜜桃在线观看..| 99香蕉大伊视频| 久久97久久精品| 免费黄网站久久成人精品| 中文精品一卡2卡3卡4更新| 99热这里只有是精品在线观看| 蜜桃在线观看..| 欧美亚洲 丝袜 人妻 在线| 高清av免费在线| 国产精品久久久久成人av| 久久久精品免费免费高清| 日韩av在线免费看完整版不卡| 亚洲内射少妇av| 人妻少妇偷人精品九色| 色5月婷婷丁香| 欧美精品一区二区免费开放| 欧美精品av麻豆av| 日日啪夜夜爽| 成人毛片60女人毛片免费| xxx大片免费视频| 亚洲精品国产av成人精品| 亚洲美女搞黄在线观看| 久久精品国产亚洲av涩爱| 99香蕉大伊视频| 好男人视频免费观看在线| 丁香六月天网| 男女边摸边吃奶| 亚洲成人手机| 高清在线视频一区二区三区| 精品熟女少妇av免费看| 一级毛片电影观看| 麻豆乱淫一区二区| 久久人妻熟女aⅴ| 国国产精品蜜臀av免费| 亚洲精品中文字幕在线视频| 欧美最新免费一区二区三区| 久久热在线av| 精品99又大又爽又粗少妇毛片| 看十八女毛片水多多多| 自拍欧美九色日韩亚洲蝌蚪91| videossex国产| 18禁国产床啪视频网站| 亚洲熟女精品中文字幕| 精品卡一卡二卡四卡免费| 一个人免费看片子| 亚洲一区二区三区欧美精品| 国产精品欧美亚洲77777| 内地一区二区视频在线| 制服丝袜香蕉在线| 精品第一国产精品| 99久久人妻综合| 亚洲精品乱码久久久久久按摩| 精品第一国产精品| 自线自在国产av| 夫妻性生交免费视频一级片| 黑人欧美特级aaaaaa片| 精品亚洲成国产av| 一级,二级,三级黄色视频| 亚洲av福利一区| 下体分泌物呈黄色| 人妻一区二区av| 免费播放大片免费观看视频在线观看| 一级毛片我不卡| 在线精品无人区一区二区三| 亚洲精品乱久久久久久| 少妇熟女欧美另类| 大话2 男鬼变身卡| 日韩成人av中文字幕在线观看| 晚上一个人看的免费电影| 久久久精品免费免费高清| 女人精品久久久久毛片| 韩国av在线不卡| 免费女性裸体啪啪无遮挡网站| 多毛熟女@视频| 欧美xxxx性猛交bbbb| 中文字幕另类日韩欧美亚洲嫩草| 亚洲av电影在线观看一区二区三区| 美女视频免费永久观看网站| 捣出白浆h1v1| 亚洲精品乱久久久久久| 久久精品久久久久久久性| 欧美xxⅹ黑人| 日本爱情动作片www.在线观看| 欧美成人午夜免费资源| 黄色一级大片看看| 久久ye,这里只有精品| 婷婷色av中文字幕| 午夜福利在线观看免费完整高清在| 大码成人一级视频| 在线免费观看不下载黄p国产| 亚洲国产日韩一区二区| 日韩中文字幕视频在线看片| 飞空精品影院首页| 永久免费av网站大全| 制服人妻中文乱码| 男人舔女人的私密视频| 久久99精品国语久久久| 成人无遮挡网站| 亚洲三级黄色毛片| 1024视频免费在线观看| 高清不卡的av网站| videos熟女内射| 纵有疾风起免费观看全集完整版| 天美传媒精品一区二区| 夜夜爽夜夜爽视频| av片东京热男人的天堂| 久久精品久久久久久久性| 国产av码专区亚洲av| 色视频在线一区二区三区| av在线老鸭窝| 免费观看a级毛片全部| 国产黄色视频一区二区在线观看| 免费av不卡在线播放| 国产精品欧美亚洲77777| 欧美成人午夜精品| 亚洲精品乱码久久久久久按摩| 日日摸夜夜添夜夜爱| 成人综合一区亚洲| 男人操女人黄网站| 曰老女人黄片| 亚洲av电影在线进入| 男女边吃奶边做爰视频| 国产高清三级在线| 日本色播在线视频| 精品一区二区三区视频在线| 午夜福利乱码中文字幕| 亚洲内射少妇av| 18禁动态无遮挡网站| 精品国产露脸久久av麻豆| 美女内射精品一级片tv| 国产伦理片在线播放av一区| 大码成人一级视频| 亚洲欧美色中文字幕在线| 日产精品乱码卡一卡2卡三| 精品国产国语对白av| 亚洲少妇的诱惑av| 少妇被粗大猛烈的视频| 51国产日韩欧美| 亚洲中文av在线| 校园人妻丝袜中文字幕| 国产色婷婷99| 久久久久精品久久久久真实原创| 如何舔出高潮| 亚洲精品自拍成人| 欧美人与性动交α欧美软件 | 一级片'在线观看视频| 人妻系列 视频| 少妇高潮的动态图| 亚洲精品av麻豆狂野| 免费少妇av软件| 免费观看a级毛片全部| 国产69精品久久久久777片| 欧美xxⅹ黑人| 免费观看无遮挡的男女| 在线观看一区二区三区激情| 成人国产av品久久久| 波野结衣二区三区在线| 狂野欧美激情性xxxx在线观看| 精品亚洲乱码少妇综合久久| 黑丝袜美女国产一区| 毛片一级片免费看久久久久| 色5月婷婷丁香| 国产成人免费观看mmmm| 国产在线一区二区三区精| 边亲边吃奶的免费视频| 99久久综合免费| 精品少妇黑人巨大在线播放| 97在线视频观看| 国产在线一区二区三区精| 男的添女的下面高潮视频| 97人妻天天添夜夜摸| 性高湖久久久久久久久免费观看| 在线观看国产h片| 亚洲国产精品999| 国产成人91sexporn| 久久人人爽人人片av| 在线天堂最新版资源| 国产亚洲最大av| 久久精品国产鲁丝片午夜精品| 只有这里有精品99| 亚洲人与动物交配视频| 在线看a的网站| 日日爽夜夜爽网站| 青春草国产在线视频| 91午夜精品亚洲一区二区三区| av国产久精品久网站免费入址| 另类亚洲欧美激情| 在线观看国产h片| 免费少妇av软件| 2018国产大陆天天弄谢| 考比视频在线观看| 国产综合精华液| 亚洲成av片中文字幕在线观看 | 黑人欧美特级aaaaaa片| 欧美激情极品国产一区二区三区 | 午夜福利网站1000一区二区三区| 97精品久久久久久久久久精品| 丝袜人妻中文字幕| 欧美3d第一页| 99香蕉大伊视频| 亚洲美女搞黄在线观看| 少妇的丰满在线观看| 男人添女人高潮全过程视频| 成人影院久久| 99re6热这里在线精品视频| 日韩成人av中文字幕在线观看| 九草在线视频观看| 王馨瑶露胸无遮挡在线观看| 国产免费福利视频在线观看| 侵犯人妻中文字幕一二三四区| 久久99精品国语久久久| 中文字幕亚洲精品专区| 99热网站在线观看| 女人被躁到高潮嗷嗷叫费观| 亚洲国产av影院在线观看| 热re99久久精品国产66热6| 满18在线观看网站| 性色avwww在线观看| 日本黄大片高清| 卡戴珊不雅视频在线播放| 久久久欧美国产精品| 欧美性感艳星| 赤兔流量卡办理| 成人国产av品久久久| 你懂的网址亚洲精品在线观看| 国产国拍精品亚洲av在线观看| 赤兔流量卡办理| 大码成人一级视频| 自线自在国产av| 成人国语在线视频| 日韩制服丝袜自拍偷拍| 777米奇影视久久| 亚洲国产精品国产精品| 五月玫瑰六月丁香| videos熟女内射| 久久久国产一区二区| 十八禁高潮呻吟视频| 欧美人与性动交α欧美精品济南到 | 亚洲精品一区蜜桃| 成人黄色视频免费在线看| 夜夜骑夜夜射夜夜干| 看十八女毛片水多多多| 少妇猛男粗大的猛烈进出视频| 国产白丝娇喘喷水9色精品| 国产高清国产精品国产三级| 久久婷婷青草| 菩萨蛮人人尽说江南好唐韦庄| 午夜影院在线不卡| 国产精品国产三级国产av玫瑰| 久久人人爽人人片av| 五月伊人婷婷丁香| 蜜桃国产av成人99| 国产黄色免费在线视频| 国产欧美日韩一区二区三区在线| 日本色播在线视频| 日韩 亚洲 欧美在线| 精品熟女少妇av免费看| 欧美日韩一区二区视频在线观看视频在线| 国产精品一区二区在线不卡| 午夜福利乱码中文字幕| 欧美日韩视频高清一区二区三区二| a级片在线免费高清观看视频| 一级片'在线观看视频| 热re99久久精品国产66热6| 精品国产一区二区久久| 国产爽快片一区二区三区| 大香蕉久久成人网| 久久精品国产a三级三级三级| 久久精品国产自在天天线| 另类精品久久| 一区二区三区精品91| 亚洲五月色婷婷综合| 伦理电影大哥的女人| 色婷婷久久久亚洲欧美| 国产免费福利视频在线观看| 亚洲成人手机| 亚洲成色77777| av国产精品久久久久影院| 成年人免费黄色播放视频| 久久青草综合色| 欧美激情 高清一区二区三区| 国产精品秋霞免费鲁丝片| 日韩电影二区| 日韩三级伦理在线观看| 国产乱人偷精品视频| 精品久久国产蜜桃| 日韩欧美一区视频在线观看| 国产欧美另类精品又又久久亚洲欧美| 熟女av电影| 丰满乱子伦码专区| 久久精品熟女亚洲av麻豆精品| 久久热在线av| 高清视频免费观看一区二区| 成人无遮挡网站| 插逼视频在线观看| 夜夜骑夜夜射夜夜干| freevideosex欧美| 青春草国产在线视频| 久久免费观看电影| 女人被躁到高潮嗷嗷叫费观| 免费在线观看黄色视频的| 亚洲人与动物交配视频| 99热国产这里只有精品6| 亚洲精品456在线播放app| freevideosex欧美| 亚洲av在线观看美女高潮| 精品久久久久久电影网| 久久久久久久大尺度免费视频| 亚洲国产欧美在线一区| 男女无遮挡免费网站观看| 亚洲精品色激情综合| 18禁国产床啪视频网站| 黑人欧美特级aaaaaa片| 久久国产精品男人的天堂亚洲 | 在线观看人妻少妇| 99久久中文字幕三级久久日本| 国产色婷婷99| 各种免费的搞黄视频| 女人被躁到高潮嗷嗷叫费观| 纵有疾风起免费观看全集完整版| av国产久精品久网站免费入址| 成人亚洲欧美一区二区av| 最后的刺客免费高清国语| 国产免费一级a男人的天堂| 午夜激情av网站| 男的添女的下面高潮视频| 国产精品一区www在线观看| 国产精品.久久久| 亚洲国产最新在线播放| 国产成人精品在线电影| 少妇人妻精品综合一区二区| av在线观看视频网站免费| 亚洲精品成人av观看孕妇| 亚洲国产精品专区欧美| 涩涩av久久男人的天堂| 一区在线观看完整版| 精品一区二区三卡| 黑人猛操日本美女一级片| 女性生殖器流出的白浆| 久久精品国产综合久久久 | 99热网站在线观看| 久久久欧美国产精品| 9色porny在线观看| 午夜免费男女啪啪视频观看| 大片免费播放器 马上看| 九九在线视频观看精品| 91精品国产国语对白视频| 一级,二级,三级黄色视频| 欧美成人午夜精品| 1024视频免费在线观看| 国产亚洲一区二区精品| 观看av在线不卡| 午夜福利乱码中文字幕| 久久午夜综合久久蜜桃| 日韩视频在线欧美| 少妇猛男粗大的猛烈进出视频| 国产高清不卡午夜福利| 男男h啪啪无遮挡| 免费av不卡在线播放| 亚洲综合精品二区| 中文欧美无线码| 女的被弄到高潮叫床怎么办| 男的添女的下面高潮视频| 国产深夜福利视频在线观看| 国产国语露脸激情在线看| 国产精品国产av在线观看| 在线观看国产h片| 国产毛片在线视频| 欧美 亚洲 国产 日韩一| av网站免费在线观看视频| 国产一级毛片在线| 日本vs欧美在线观看视频| 三级国产精品片| 国产精品国产三级国产av玫瑰| 男女无遮挡免费网站观看| 啦啦啦在线观看免费高清www| 80岁老熟妇乱子伦牲交| 久久综合国产亚洲精品| 黑丝袜美女国产一区| 精品一区二区三区视频在线| 永久免费av网站大全| 乱人伦中国视频| 精品久久蜜臀av无| 国产日韩欧美亚洲二区| 日韩中文字幕视频在线看片| 久热这里只有精品99| videossex国产| 天天操日日干夜夜撸| 少妇 在线观看| 国产精品 国内视频| 丝袜在线中文字幕| 久久精品久久久久久噜噜老黄| 国产av一区二区精品久久| 青青草视频在线视频观看| 高清黄色对白视频在线免费看| 人妻系列 视频| 如日韩欧美国产精品一区二区三区| 亚洲丝袜综合中文字幕| 美女xxoo啪啪120秒动态图| 国产一区二区三区综合在线观看 | 熟女av电影| 中国国产av一级|