• <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
    国产一区二区三区在线臀色熟女| 国产亚洲欧美98| 久久午夜综合久久蜜桃| 国产精品98久久久久久宅男小说| 国产在线观看jvid| 免费在线观看影片大全网站| 神马国产精品三级电影在线观看 | 乱人伦中国视频| 中文字幕人妻丝袜一区二区| 久久九九热精品免费| 欧美中文日本在线观看视频| 精品久久久久久久人妻蜜臀av | 亚洲九九香蕉| 亚洲欧美激情综合另类| 91九色精品人成在线观看| 亚洲 国产 在线| 日本精品一区二区三区蜜桃| 久久性视频一级片| 国产精品一区二区在线不卡| 欧美日韩瑟瑟在线播放| 国产又爽黄色视频| 免费看美女性在线毛片视频| 中文字幕色久视频| 国产免费男女视频| 亚洲美女黄片视频| 久久人妻熟女aⅴ| 两人在一起打扑克的视频| 日日爽夜夜爽网站| 18禁观看日本| 97人妻精品一区二区三区麻豆 | 成在线人永久免费视频| 大香蕉久久成人网| 精品一区二区三区四区五区乱码| 国产在线精品亚洲第一网站| 亚洲午夜理论影院| 亚洲精品一区av在线观看| 19禁男女啪啪无遮挡网站| 国产精华一区二区三区| 欧美一级a爱片免费观看看 | 中文亚洲av片在线观看爽| 一区福利在线观看| 亚洲国产精品成人综合色| 亚洲一区高清亚洲精品| 成人国产综合亚洲| 中文字幕人成人乱码亚洲影| 性色av乱码一区二区三区2| 免费不卡黄色视频| 色播在线永久视频| 国产精品久久久久久亚洲av鲁大| 精品国产乱码久久久久久男人| 国产成人av教育| 一区二区三区国产精品乱码| 午夜福利高清视频| 日韩视频一区二区在线观看| 亚洲一区高清亚洲精品| 又黄又粗又硬又大视频| 精品人妻在线不人妻| 亚洲av熟女| 国产97色在线日韩免费| 国产精品国产高清国产av| 亚洲欧美日韩无卡精品| 黄频高清免费视频| 日韩欧美在线二视频| 老熟妇乱子伦视频在线观看| 宅男免费午夜| 中文字幕人妻熟女乱码| 国产激情欧美一区二区| 99国产极品粉嫩在线观看| 91成年电影在线观看| 国产精品美女特级片免费视频播放器 | 精品久久久久久久人妻蜜臀av | 大香蕉久久成人网| 精品久久久久久久人妻蜜臀av | 欧美乱妇无乱码| 欧美久久黑人一区二区| 亚洲精品在线美女| 色综合站精品国产| 99久久精品国产亚洲精品| 亚洲av成人一区二区三| 久久人妻熟女aⅴ| 麻豆国产av国片精品| 国产精品电影一区二区三区| 国产免费av片在线观看野外av| 黄频高清免费视频| 美女扒开内裤让男人捅视频| 999久久久精品免费观看国产| 91精品三级在线观看| 如日韩欧美国产精品一区二区三区| 黄片播放在线免费| 黑人巨大精品欧美一区二区蜜桃| 国产成人精品无人区| 亚洲男人的天堂狠狠| 亚洲色图av天堂| 国产欧美日韩一区二区三| 亚洲精品久久国产高清桃花| 中文字幕久久专区| 亚洲成人精品中文字幕电影| 两个人视频免费观看高清| 欧美一级毛片孕妇| 色老头精品视频在线观看| 久久婷婷成人综合色麻豆| 精品国产一区二区三区四区第35| 亚洲国产精品成人综合色| 欧美国产日韩亚洲一区| 一级a爱视频在线免费观看| 国产成人欧美| 亚洲精品粉嫩美女一区| 夜夜爽天天搞| 午夜久久久在线观看| 亚洲欧美日韩另类电影网站| 91麻豆精品激情在线观看国产| 日韩大码丰满熟妇| 成人精品一区二区免费| 在线观看一区二区三区| 大香蕉久久成人网| 国产熟女xx| 在线视频色国产色| 日本 欧美在线| xxx96com| 亚洲精品一区av在线观看| 久久人妻熟女aⅴ| 精品久久久久久成人av| 国产高清视频在线播放一区| 欧美日韩乱码在线| 级片在线观看| 精品电影一区二区在线| 满18在线观看网站| 久久人妻av系列| 999精品在线视频| 90打野战视频偷拍视频| 国产国语露脸激情在线看| 国产区一区二久久| 精品久久久久久久久久免费视频| 不卡一级毛片| 久久久久久久午夜电影| 亚洲第一欧美日韩一区二区三区| 国产精品一区二区精品视频观看| 99国产精品免费福利视频| 日韩高清综合在线| 免费在线观看亚洲国产| 久久人妻av系列| 久久精品91蜜桃| 99国产精品免费福利视频| 久9热在线精品视频| 欧美最黄视频在线播放免费| 男人舔女人的私密视频| 亚洲av电影在线进入| 久久久精品国产亚洲av高清涩受| 91九色精品人成在线观看| 波多野结衣av一区二区av| 香蕉丝袜av| 自拍欧美九色日韩亚洲蝌蚪91| 在线十欧美十亚洲十日本专区| 国产又爽黄色视频| a在线观看视频网站| 成人18禁高潮啪啪吃奶动态图| 不卡一级毛片| 日韩欧美免费精品| 国产aⅴ精品一区二区三区波| 黄网站色视频无遮挡免费观看| 免费在线观看完整版高清| 精品欧美国产一区二区三| 亚洲欧美日韩高清在线视频| 乱人伦中国视频| 精品国产乱码久久久久久男人| 大码成人一级视频| 夜夜看夜夜爽夜夜摸| 日韩欧美三级三区| 在线观看免费午夜福利视频| 精品卡一卡二卡四卡免费| 亚洲美女黄片视频| 久久久久久久精品吃奶| 久久久久久久久免费视频了| 此物有八面人人有两片| 日韩欧美免费精品| www.熟女人妻精品国产| 波多野结衣高清无吗| 国产精品精品国产色婷婷| 首页视频小说图片口味搜索| 亚洲人成网站在线播放欧美日韩| 国产成人精品在线电影| 午夜福利成人在线免费观看| 国产一区二区三区视频了| 国产一区二区激情短视频| 久久久国产成人精品二区| 日韩精品中文字幕看吧| 午夜福利一区二区在线看| 这个男人来自地球电影免费观看| 一级毛片女人18水好多| 91成人精品电影| 久久精品国产亚洲av高清一级| 午夜成年电影在线免费观看| 国产欧美日韩一区二区三区在线| 久久久久久大精品| 麻豆国产av国片精品| www.精华液| 亚洲中文日韩欧美视频| 一进一出抽搐gif免费好疼| 精品国产一区二区三区四区第35| 免费观看人在逋| 精品欧美国产一区二区三| 色尼玛亚洲综合影院| 国产熟女xx| 亚洲一区二区三区色噜噜| 免费少妇av软件| 日韩欧美三级三区| а√天堂www在线а√下载| 国产麻豆成人av免费视频| 国产精品永久免费网站| 亚洲欧美精品综合一区二区三区| avwww免费| 久久中文字幕一级| 久久久国产成人免费| 欧美色欧美亚洲另类二区 | 国产私拍福利视频在线观看| 亚洲第一欧美日韩一区二区三区| 97碰自拍视频| 午夜免费激情av| 在线观看舔阴道视频| 午夜免费观看网址| 久久久国产成人精品二区| 麻豆成人av在线观看| or卡值多少钱| xxx96com| 日韩精品免费视频一区二区三区| 黄色片一级片一级黄色片| 精品福利观看| www.999成人在线观看| 首页视频小说图片口味搜索| 天天躁夜夜躁狠狠躁躁| 午夜免费激情av| 欧美性长视频在线观看| 99在线人妻在线中文字幕| 人妻久久中文字幕网| 悠悠久久av| 日日干狠狠操夜夜爽| 欧美一级a爱片免费观看看 | 美女大奶头视频| 青草久久国产| 9热在线视频观看99| 变态另类丝袜制服| 国产片内射在线| www.自偷自拍.com| 欧美人与性动交α欧美精品济南到| 美女国产高潮福利片在线看| 制服丝袜大香蕉在线| 国产aⅴ精品一区二区三区波| 亚洲成人精品中文字幕电影| 国产国语露脸激情在线看| 一边摸一边做爽爽视频免费| 亚洲av第一区精品v没综合| 精品少妇一区二区三区视频日本电影| 成人免费观看视频高清| 我的亚洲天堂| 亚洲第一青青草原| 国产成人啪精品午夜网站| 伊人久久大香线蕉亚洲五| 中亚洲国语对白在线视频| 99久久99久久久精品蜜桃| 欧美黑人欧美精品刺激| 日本在线视频免费播放| 99re在线观看精品视频| 女人精品久久久久毛片| 久久久久久人人人人人| 视频在线观看一区二区三区| 岛国在线观看网站| 国内毛片毛片毛片毛片毛片| 国产精品野战在线观看| 天堂√8在线中文| 一卡2卡三卡四卡精品乱码亚洲| 悠悠久久av| 免费看十八禁软件| 国产精品98久久久久久宅男小说| 国产成人精品无人区| 国产亚洲精品av在线| 99热只有精品国产| 日本三级黄在线观看| 村上凉子中文字幕在线| 国产精品美女特级片免费视频播放器 | 久久久久久大精品| 一级毛片女人18水好多| 中文字幕人妻丝袜一区二区| 国产aⅴ精品一区二区三区波| 欧美av亚洲av综合av国产av| 久久这里只有精品19| 亚洲 欧美 日韩 在线 免费| 久久天躁狠狠躁夜夜2o2o| 午夜福利影视在线免费观看| 黄色视频不卡| 高清在线国产一区| 久久婷婷人人爽人人干人人爱 | 日韩欧美一区视频在线观看| 亚洲欧美激情综合另类| 男人舔女人的私密视频| 别揉我奶头~嗯~啊~动态视频| 一边摸一边做爽爽视频免费| 色精品久久人妻99蜜桃| 在线十欧美十亚洲十日本专区| 亚洲无线在线观看| xxx96com| 岛国视频午夜一区免费看| 亚洲国产精品久久男人天堂| 一区二区日韩欧美中文字幕| 欧美日韩亚洲国产一区二区在线观看| 99国产极品粉嫩在线观看| 久久久久九九精品影院| 一级毛片高清免费大全| 一区二区三区高清视频在线| 午夜福利影视在线免费观看| 国产精品,欧美在线| 亚洲黑人精品在线| 国产1区2区3区精品| 欧美在线黄色| 如日韩欧美国产精品一区二区三区| 欧美乱码精品一区二区三区| 91麻豆精品激情在线观看国产| 可以在线观看的亚洲视频| 免费在线观看视频国产中文字幕亚洲| 精品乱码久久久久久99久播| 久久久国产成人精品二区| 成人av一区二区三区在线看| 69av精品久久久久久| 人妻丰满熟妇av一区二区三区| 亚洲色图av天堂| 国产精品免费一区二区三区在线| 成年女人毛片免费观看观看9| 国产99白浆流出| 亚洲七黄色美女视频| 久久国产精品人妻蜜桃| 伊人久久大香线蕉亚洲五| 欧美日韩乱码在线| 欧美日韩亚洲国产一区二区在线观看| 一二三四在线观看免费中文在| 国产成年人精品一区二区| 国产成人av教育| 国产精品99久久99久久久不卡| 国产一区二区激情短视频| 婷婷丁香在线五月| 亚洲精品国产区一区二| 中文字幕另类日韩欧美亚洲嫩草| 九色国产91popny在线| 亚洲av成人不卡在线观看播放网| 亚洲av熟女| 亚洲色图综合在线观看| 美女免费视频网站| 一区在线观看完整版| 一本大道久久a久久精品| 18禁国产床啪视频网站| 黄色丝袜av网址大全| 男人舔女人下体高潮全视频| 亚洲国产精品久久男人天堂| 久久天堂一区二区三区四区| 9色porny在线观看| 老汉色av国产亚洲站长工具| 啦啦啦韩国在线观看视频| 长腿黑丝高跟| 波多野结衣巨乳人妻| 国产黄a三级三级三级人| 我的亚洲天堂| 国产三级黄色录像| 亚洲av片天天在线观看| 精品国产乱码久久久久久男人| 搡老熟女国产l中国老女人| 国产亚洲欧美在线一区二区| 色播在线永久视频| 美女免费视频网站| 一级作爱视频免费观看| 色老头精品视频在线观看| 在线天堂中文资源库| 老司机午夜福利在线观看视频| 国产亚洲精品第一综合不卡| 老司机午夜福利在线观看视频| 美女大奶头视频| 亚洲第一欧美日韩一区二区三区| 国产又爽黄色视频| 亚洲国产精品久久男人天堂| 国产精品,欧美在线| 久久热在线av| 一二三四社区在线视频社区8| 中文字幕久久专区| 久久精品人人爽人人爽视色| 美国免费a级毛片| 日韩视频一区二区在线观看| 老司机深夜福利视频在线观看| 久久中文字幕人妻熟女| 女性被躁到高潮视频| 国内毛片毛片毛片毛片毛片| 欧美大码av| 亚洲一区二区三区色噜噜| ponron亚洲| 久久久久久久久久久久大奶| 国产成+人综合+亚洲专区| 色综合站精品国产| 高潮久久久久久久久久久不卡| 他把我摸到了高潮在线观看| 国产单亲对白刺激| av中文乱码字幕在线| 久9热在线精品视频| 亚洲熟女毛片儿| 日日干狠狠操夜夜爽| 夜夜躁狠狠躁天天躁| 国产精品久久久久久精品电影 | 99香蕉大伊视频| 日韩中文字幕欧美一区二区| 电影成人av| 久久久久国产精品人妻aⅴ院| 丝袜美腿诱惑在线| 黄色毛片三级朝国网站| 免费av毛片视频| 日韩欧美在线二视频| 中文字幕人成人乱码亚洲影| 国产区一区二久久| 精品电影一区二区在线| 给我免费播放毛片高清在线观看| 曰老女人黄片| 黄频高清免费视频| 咕卡用的链子| 成人亚洲精品一区在线观看| 国产日韩一区二区三区精品不卡| av欧美777| 成年女人毛片免费观看观看9| av天堂在线播放| 亚洲色图 男人天堂 中文字幕| 亚洲色图av天堂| 午夜亚洲福利在线播放| 欧美乱色亚洲激情| 一个人免费在线观看的高清视频| 一级毛片精品| 亚洲精品美女久久av网站| 91老司机精品| 天天躁狠狠躁夜夜躁狠狠躁| 1024视频免费在线观看| 亚洲va日本ⅴa欧美va伊人久久| 99在线人妻在线中文字幕| 免费久久久久久久精品成人欧美视频| 国产高清视频在线播放一区| 中国美女看黄片| 99国产精品一区二区三区| 女性生殖器流出的白浆| 欧美大码av| 国产亚洲精品第一综合不卡| 久久午夜亚洲精品久久| 午夜激情av网站| 免费在线观看视频国产中文字幕亚洲| cao死你这个sao货| 亚洲国产高清在线一区二区三 | 一进一出抽搐动态| 国产三级在线视频| 校园春色视频在线观看| 美女高潮喷水抽搐中文字幕| 麻豆一二三区av精品| 国产亚洲精品久久久久5区| 午夜激情av网站| 久久九九热精品免费| 伊人久久大香线蕉亚洲五| 国产成人欧美在线观看| 国产精品久久久人人做人人爽| 久久人妻av系列| 国产精品日韩av在线免费观看 | 18禁裸乳无遮挡免费网站照片 | avwww免费| 国产精品一区二区免费欧美| 亚洲人成77777在线视频| 中文字幕精品免费在线观看视频| 亚洲五月天丁香| 久久久久久免费高清国产稀缺| 午夜老司机福利片| 国产又爽黄色视频| 黄片播放在线免费| 国产av精品麻豆| 国产乱人伦免费视频| 国产亚洲av嫩草精品影院| 欧美+亚洲+日韩+国产| 久久久国产成人精品二区| 日本 av在线| 精品国产乱子伦一区二区三区| 大陆偷拍与自拍| 两性午夜刺激爽爽歪歪视频在线观看 | 国产av在哪里看| 亚洲男人的天堂狠狠| 男女床上黄色一级片免费看| 好看av亚洲va欧美ⅴa在| 中亚洲国语对白在线视频| 亚洲成人久久性| 性欧美人与动物交配| 黄色女人牲交| 丁香六月欧美| 亚洲av第一区精品v没综合| 亚洲熟女毛片儿| 久久久国产成人免费| 日韩欧美国产一区二区入口| 午夜久久久在线观看| 十八禁网站免费在线| 国产成+人综合+亚洲专区| 久久久久国内视频| 神马国产精品三级电影在线观看 | 十分钟在线观看高清视频www| 久久精品aⅴ一区二区三区四区| 免费观看精品视频网站| 亚洲欧美一区二区三区黑人| 亚洲国产高清在线一区二区三 | 黄色丝袜av网址大全| av有码第一页| 精品福利观看| 女警被强在线播放| 日本 av在线| 国产精品电影一区二区三区| 两个人视频免费观看高清| 动漫黄色视频在线观看| 欧美黄色淫秽网站| 亚洲,欧美精品.| 99久久99久久久精品蜜桃| 国产精品 国内视频| ponron亚洲| 色av中文字幕| 亚洲熟妇中文字幕五十中出| 欧美性长视频在线观看| 真人一进一出gif抽搐免费| 男女午夜视频在线观看| 最新美女视频免费是黄的| 亚洲性夜色夜夜综合| 黑人巨大精品欧美一区二区mp4| 国产精品秋霞免费鲁丝片| 国产又色又爽无遮挡免费看| 日日夜夜操网爽| 国产成人精品久久二区二区91| 丝袜在线中文字幕| 免费在线观看亚洲国产| 国产一卡二卡三卡精品| 女人爽到高潮嗷嗷叫在线视频| 丝袜人妻中文字幕| 国产亚洲精品第一综合不卡| 9色porny在线观看| 黄频高清免费视频| 999精品在线视频| 大码成人一级视频| 99在线人妻在线中文字幕| 日韩精品中文字幕看吧| 欧美日韩福利视频一区二区| 男人舔女人下体高潮全视频| 黄片播放在线免费| 免费看美女性在线毛片视频| 妹子高潮喷水视频| 亚洲免费av在线视频| 久久久国产欧美日韩av| 久久久久国产一级毛片高清牌| 国产精品久久久久久精品电影 | 最近最新中文字幕大全电影3 | 色精品久久人妻99蜜桃| 亚洲精品在线观看二区| 最近最新中文字幕大全电影3 | 午夜免费激情av| 亚洲成人精品中文字幕电影| 人人澡人人妻人| 欧美日韩乱码在线| 久久婷婷成人综合色麻豆| 成人亚洲精品av一区二区| 国产三级黄色录像| 一级黄色大片毛片| 日韩一卡2卡3卡4卡2021年| 久久中文看片网| 中文字幕精品免费在线观看视频| 后天国语完整版免费观看| 搡老岳熟女国产| 亚洲精品av麻豆狂野| 中亚洲国语对白在线视频| 女人高潮潮喷娇喘18禁视频| 久久影院123| 午夜亚洲福利在线播放| 一区二区三区高清视频在线| 日本三级黄在线观看| 国产精品自产拍在线观看55亚洲| 亚洲中文字幕日韩| 99久久综合精品五月天人人| 亚洲一区二区三区色噜噜| 一卡2卡三卡四卡精品乱码亚洲| 琪琪午夜伦伦电影理论片6080| 麻豆成人av在线观看| 欧美丝袜亚洲另类 | 国产精品野战在线观看| 午夜福利在线观看吧| 乱人伦中国视频| 亚洲情色 制服丝袜| 51午夜福利影视在线观看| 午夜精品国产一区二区电影| 正在播放国产对白刺激| 日本免费a在线| 国产精品综合久久久久久久免费 | 久久国产精品男人的天堂亚洲| 可以在线观看毛片的网站| 麻豆av在线久日| 日韩成人在线观看一区二区三区| 日日夜夜操网爽| 这个男人来自地球电影免费观看| 国产成人系列免费观看| 真人做人爱边吃奶动态| 桃红色精品国产亚洲av| 中文字幕人成人乱码亚洲影| 在线国产一区二区在线| 成年人黄色毛片网站| 亚洲国产精品999在线| 免费在线观看日本一区| 麻豆av在线久日| 午夜影院日韩av| 国产精品电影一区二区三区| 又大又爽又粗| 欧美av亚洲av综合av国产av| 欧美一级a爱片免费观看看 | 俄罗斯特黄特色一大片| 12—13女人毛片做爰片一| 国产片内射在线| а√天堂www在线а√下载| 欧美一区二区精品小视频在线| 亚洲欧洲精品一区二区精品久久久| 一夜夜www|