• <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CNN的電力數(shù)據(jù)分析模型研究

    2023-11-01 02:01:04黃朝凱吳丹妍鄭惠哲黃小奇
    自動(dòng)化儀表 2023年10期
    關(guān)鍵詞:檢測(cè)模型

    黃朝凱,吳丹妍,鄭惠哲,黃小奇

    (廣東電網(wǎng)有限責(zé)任公司汕頭供電局,廣東 汕頭 515041)

    0 引言

    隨著網(wǎng)絡(luò)、大數(shù)據(jù)、物聯(lián)網(wǎng)、通信技術(shù)[1-3]的不斷發(fā)展,智能電網(wǎng)可基于智能電表收集大量用電數(shù)據(jù)。因此,對(duì)這些海量數(shù)據(jù)進(jìn)行分析,可推動(dòng)電力系統(tǒng)服務(wù)質(zhì)量的提升。然而,在電力供應(yīng)過程中存在有意或無(wú)意攻擊引起的異常用電行為,如非技術(shù)損失[4-5]的竊電行為。這種違法行為不僅嚴(yán)重?cái)_亂了電力的正常使用,而且給電力系統(tǒng)造成了巨大的經(jīng)濟(jì)損失。同時(shí),未經(jīng)授權(quán)修改線路或儀表容易導(dǎo)致停電和火災(zāi)等事故,并對(duì)相關(guān)電力系統(tǒng)的安全構(gòu)成嚴(yán)重威脅。

    為此,大量學(xué)者對(duì)電力系統(tǒng)竊電檢測(cè)方法進(jìn)行研究,并取得了豐碩成果。文獻(xiàn)[6]提出了基于遺傳算法-反向傳播(genetic algorithm- back propagation,GA-BP)神經(jīng)網(wǎng)絡(luò)的竊漏電用戶識(shí)別方法,可實(shí)現(xiàn)電力系統(tǒng)實(shí)時(shí)運(yùn)行數(shù)據(jù)記錄和竊漏電用戶識(shí)別。文獻(xiàn)[7]提出了1種基于隨機(jī)森林(random forest,RF)的電網(wǎng)用戶竊電檢測(cè)方法。文獻(xiàn)[8]提出了基于時(shí)延細(xì)胞神經(jīng)網(wǎng)絡(luò)提取特征和支持向量機(jī)(support vector machine,SVM)的竊電檢測(cè)方法。文獻(xiàn)[9]基于差分整合移動(dòng)平均自回歸模型和遞歸貝葉斯(recursive Bayes,RB),構(gòu)建了1種針對(duì)配電網(wǎng)低壓竊電行為的識(shí)別方法。這些傳統(tǒng)的數(shù)據(jù)挖掘方法易于實(shí)現(xiàn),適用于小樣本的竊電檢測(cè)。

    然而,這些方法特征提取能力低且檢測(cè)精度有限。相對(duì)而言,深度神經(jīng)網(wǎng)絡(luò)不僅具有強(qiáng)大的特征提取能力,而且可以映射復(fù)雜的非線性關(guān)系。這使其相比傳統(tǒng)方法具有更高的檢測(cè)精度[10-11]。此外,竊電檢測(cè)中另一個(gè)嚴(yán)重的問題是數(shù)據(jù)集中沒有足夠數(shù)量的竊電功率曲線。該問題為深度學(xué)習(xí)、SVM等監(jiān)督學(xué)習(xí)方法帶來(lái)了挑戰(zhàn)。因此,有必要使用有限的竊電功率曲線進(jìn)行數(shù)據(jù)增強(qiáng),從而提高模型檢測(cè)精度。

    為改善上述問題,本文提出了1種基于卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN)的電力數(shù)據(jù)分析模型。首先,為了提高竊電檢測(cè)的準(zhǔn)確性,本文提出了1種基于條件變分自動(dòng)編碼器的竊電曲線數(shù)據(jù)增強(qiáng)方法。其次,本文設(shè)計(jì)了基于CNN的竊電檢測(cè)分類模型。

    1 基于條件變分自動(dòng)編碼器的數(shù)據(jù)增強(qiáng)

    1.1 條件變分自動(dòng)編碼器

    一般情況下,變分自動(dòng)編碼器主要根據(jù)歷史數(shù)據(jù)X={x1,x2,…,xn}學(xué)習(xí)竊電功率曲線數(shù)據(jù)分布pθ(X)。竊電功率曲線數(shù)據(jù)分布可以分解為:

    (1)

    式中:n為歷史數(shù)據(jù)個(gè)數(shù)。

    為了簡(jiǎn)化計(jì)算過程,可對(duì)式(1)應(yīng)用對(duì)數(shù)函數(shù),獲得如式(2)所示結(jié)果。

    (2)

    本文令功率曲線的每個(gè)數(shù)據(jù)點(diǎn)包含潛在變量z,則任意數(shù)據(jù)點(diǎn)x可以重構(gòu)如下。

    (3)

    式中:pθ(z)為先驗(yàn)概率;pθ(x|z)為后驗(yàn)概率。

    竊電功率曲線的生成過程通常包含以下步驟。

    首先,根據(jù)pθ(z)獲得潛在變量z;然后,根據(jù)pθ(x|z)生成竊電功率曲線pθ(x)。

    然而,一般情況下pθ(z)以及pθ(x|z)無(wú)法獲取。根據(jù)貝葉斯式,有:

    (4)

    由于后驗(yàn)概率通常非常復(fù)雜,因此可基于1個(gè)簡(jiǎn)單的分布和參數(shù)φ近似估計(jì)后驗(yàn)概率。

    為有效獲取竊電功率曲線的分布,根據(jù)式(2),可先對(duì)log∏pθ(xi)進(jìn)行估計(jì)?;贙ullback-Leibler散度與變分下界定義,有:

    (5)

    Eqφ(z|x)[-logqφ(z|x)+logpθ(x|z)]

    (6)

    本文將Kullback-Leibler散度用作對(duì)數(shù)似然的下界,則:

    logpθ(x)≥L(θ,φ;x)

    (7)

    在這種情況下,L(θ,φ;x)可為:

    Eqφ(z|x)[logpθ(x|z)]

    (8)

    基于上述條件,模型可以參數(shù)化為:

    (9)

    式中:f和g分別為具有1組參數(shù)的深度神經(jīng)網(wǎng)絡(luò)。

    Eqφ(z|x){logpθ[(x|y)|z]}

    (10)

    1.2 數(shù)據(jù)增強(qiáng)過程

    條件變分自動(dòng)編碼器的主要優(yōu)點(diǎn)是不需要假設(shè)竊電功率曲線的概率分布,因此只需要少量樣本即可訓(xùn)練模型,且可以生成與原始竊電功率曲線相似的樣本。生成竊電功率曲線的執(zhí)行流程如圖1所示。

    圖1 生成竊電功率曲線的執(zhí)行流程Fig.1 Execution process for generating power theft curves

    根據(jù)圖1,基于條件變分自動(dòng)編碼器的數(shù)據(jù)增強(qiáng)過程描述如下。

    ①在將數(shù)據(jù)輸入條件變分自動(dòng)編碼器前,必須對(duì)竊電曲線的數(shù)據(jù)進(jìn)行預(yù)處理,如歸一化操作等。否則,訓(xùn)練的收斂速度將較慢,并且訓(xùn)練模型的性能將較差。因此,在保留數(shù)據(jù)的統(tǒng)計(jì)特征的同時(shí),本文基于最小-最大重縮放變換將所有特征轉(zhuǎn)換為固定范圍[m,M]。對(duì)于給定的時(shí)間序列{xi},數(shù)據(jù)重縮放過程可表示為:

    (11)

    (12)

    式中:xmax為時(shí)間序列{xi}的最大值。

    ②使用深度CNN構(gòu)造編碼器,將輸入數(shù)據(jù)映射到低維潛在變量,計(jì)算編碼器輸出數(shù)據(jù)的均值和方差,用于生成相應(yīng)的高斯噪聲。所得高斯噪聲為解碼器的輸入數(shù)據(jù)。

    ③將高斯噪聲饋送到由深度轉(zhuǎn)置CNN組成的解碼器,從而生成新的竊電功率曲線。利用解碼器的輸出數(shù)據(jù)和實(shí)際數(shù)據(jù)計(jì)算損失函數(shù)。該損失函數(shù)用于通過反向傳播方法更新編碼器和解碼器的權(quán)重。

    ④在訓(xùn)練條件變分自動(dòng)編碼器后,將高斯噪聲饋送到解碼器,以生成指定攻擊模型下的竊電功率曲線。將生成的竊電功率曲線和來(lái)自訓(xùn)練集的原始樣本進(jìn)行融合,以形成增強(qiáng)數(shù)據(jù)集,并分別代入分類器進(jìn)行訓(xùn)練,以實(shí)現(xiàn)竊電檢測(cè)。

    2 基于深度學(xué)習(xí)的竊電檢測(cè)

    2.1 竊電曲線分類

    竊電功率曲線可分為4類,分別為一般竊電、拒絕攻擊竊電、注入攻擊竊電和交換攻擊竊電。

    一般竊電功率曲線低于正常功率,具體可表示為:

    (13)

    改裝路由表、丟棄數(shù)據(jù)包和斷開連接電表等攻擊會(huì)導(dǎo)致拒絕服務(wù)。在這種情況下,電力表將停止報(bào)告消費(fèi)者信息,即電力表數(shù)值為0。上述攻擊下竊電功率曲線描述為:

    (14)

    虛假信息攻擊通過信息注入、特權(quán)訪問、錯(cuò)誤配置等手段生成虛假消費(fèi)記錄。注入攻擊模型下,竊電功率曲線描述為:

    (15)

    此外,交換低電價(jià)時(shí)段和高電價(jià)時(shí)段之間的消費(fèi)記錄,也構(gòu)成竊電行為。其竊電功率曲線描述為:

    (16)

    2.2 基于CNN的竊電檢測(cè)模型

    作為深度學(xué)習(xí)技術(shù)的代表算法之一,CNN以其強(qiáng)大的特征提取能力而廣泛應(yīng)用于圖像分類、故障診斷和時(shí)間序列預(yù)測(cè)等領(lǐng)域。與傳統(tǒng)分類方法相比,CNN不僅可以映射更復(fù)雜的非線性關(guān)系,而且具有良好的泛化能力。因此,本文選擇CNN作為竊電檢測(cè)的分類器。

    2.2.1 模型結(jié)構(gòu)

    CNN由卷積層、池化層、展平層、全連接層等組成。具體而言,卷積層和池化層負(fù)責(zé)提取竊電功率曲線的特征。其數(shù)學(xué)式如下。

    (17)

    式中:xi為第i個(gè)卷積層的輸入數(shù)據(jù);yi為第i個(gè)卷積層的輸出數(shù)據(jù);y′為第i個(gè)最大池層的輸出數(shù)據(jù);fi為激活函數(shù);bi和wi分別為第i個(gè)卷積層的偏移向量和權(quán)重。

    為了緩解過度擬合,本文引入Dropout層以使某些神經(jīng)元以一定的概率失去效能。同時(shí),全連接層的數(shù)學(xué)式為:

    (18)

    考慮用電功率曲線的特點(diǎn),本文提出的CNN結(jié)構(gòu)如圖2所示。

    圖2 CNN結(jié)構(gòu)示意圖Fig.2 Schematic diagram of CNN structure

    圖2中方塊表示特征的維度,且每個(gè)特征大小已在方塊上方說明。首先,為了便于訓(xùn)練,本文使用1×49維用電功率曲線將數(shù)據(jù)預(yù)處理為三維向量,并將其作為卷積層的輸入數(shù)據(jù)。然后,本文使用2個(gè)卷積層和最大池層來(lái)提取功率曲線的關(guān)鍵特征。此外,2個(gè)卷積層中的卷積核數(shù)量分別為16和32。池化層后面接1個(gè)Dropout層,并令失效概率為0.25。最后,模型包括2個(gè)完全連接層,分別有15個(gè)和6個(gè)神經(jīng)元。同時(shí),模型中除最后一層使用softmax函數(shù)作為激活函數(shù),其余層均使用ReLU函數(shù)作為激活函數(shù)。損失函數(shù)是分類交叉熵。優(yōu)化器是Adadelta算法。

    2.2.2 損失函數(shù)

    一般情況下,網(wǎng)絡(luò)訓(xùn)練時(shí)采用測(cè)量預(yù)測(cè)輸出的絕對(duì)誤差作為損失函數(shù)。具體描述如式(19)所示。

    (19)

    (20)

    (21)

    式中:α為調(diào)整權(quán)重的常數(shù)。

    (22)

    此外,對(duì)于第i個(gè)數(shù)據(jù)鏈,時(shí)間步t處的用電功率曲線可計(jì)算如下。

    (23)

    (24)

    (25)

    因此,縮放前的絕對(duì)誤差計(jì)算如下。

    (26)

    在原始尺度上,不同樣本的絕對(duì)誤差具有不同的重要性。考慮到誤差率為評(píng)估結(jié)果更常用的測(cè)量方法,本文進(jìn)一步修正每個(gè)樣本的損失。具體計(jì)算式如式(27)所示。

    (27)

    3 仿真與分析

    3.1 數(shù)據(jù)集

    為驗(yàn)證所提模型的有效性,本節(jié)基于中國(guó)某電網(wǎng)公司智能電表數(shù)據(jù)集進(jìn)行模擬和分析。該數(shù)據(jù)集統(tǒng)計(jì)了中國(guó)某市2018年3月至2020年12月住宅及部分商業(yè)用戶用電情況。功率曲線的采樣周期設(shè)置為30 min。本文根據(jù)竊電曲線分類模型,隨機(jī)選擇一些樣本生成竊電功率曲線,同時(shí)結(jié)合真實(shí)樣本構(gòu)成混合電力數(shù)據(jù)樣本集。

    上述數(shù)據(jù)集中竊電功率曲線樣本均衡性較差,部分樣本數(shù)量較低。為此,本文根據(jù)所提基于條件變分自動(dòng)編碼器的數(shù)據(jù)增強(qiáng)模型對(duì)竊電數(shù)據(jù)進(jìn)行增強(qiáng),從而進(jìn)一步提高樣本均衡性、加快模型訓(xùn)練速度及訓(xùn)練性能。數(shù)據(jù)增強(qiáng)后樣本集數(shù)據(jù)統(tǒng)計(jì)情況如表1所示。

    表1 數(shù)據(jù)增強(qiáng)后樣本集數(shù)據(jù)統(tǒng)計(jì)情況Tab.1 Data statistics of sample set after data enhancement

    3.2 仿真環(huán)境與參數(shù)設(shè)置

    為保證相同試驗(yàn)條件,所有試驗(yàn)均運(yùn)行在相同的環(huán)境。仿真環(huán)境具體如下:軟件環(huán)境為由pycharm搭建算法框架,并由Python基于keras 2.2.4和tensorflow 1.12.0搭建CNN基礎(chǔ)網(wǎng)絡(luò);硬件環(huán)境為酷睿i7 CPU、內(nèi)存為128 GB ARM的聯(lián)想服務(wù)器;操作系統(tǒng)為Ubuntu 18.04 64位,顯卡為 NVIDIA RTX2080Ti 11G。

    本文采用隨機(jī)梯度下降(stochastic gradient descent,SGD)優(yōu)化器訓(xùn)練模型。試驗(yàn)時(shí),部分參數(shù)定義如下:批量大小設(shè)置為16;初始學(xué)習(xí)率設(shè)置為10-2;學(xué)習(xí)率衰減率設(shè)置為10-1;學(xué)習(xí)率衰減周期設(shè)置為10;最大迭代次數(shù)設(shè)置為150;每次迭代訓(xùn)練次數(shù)設(shè)置為100次。為消除試驗(yàn)過程因隨機(jī)誤差造成的影響,本文對(duì)不同模型分別執(zhí)行30組試驗(yàn),并取平均值作為測(cè)試結(jié)果。

    3.3 性能分析

    3.3.1 基礎(chǔ)網(wǎng)絡(luò)性能對(duì)比分析

    首先,本節(jié)對(duì)比了所提模型與RF、SVM、RB、人工神經(jīng)網(wǎng)絡(luò)(artificial neural network,ANN)等模型的性能,從而驗(yàn)證所提模型的優(yōu)勢(shì)。試驗(yàn)時(shí)選取均方根誤差(root mean square error,RMSE)指標(biāo)來(lái)衡量模型性能。RMSE計(jì)算如式(28)所示。

    (28)

    式中:Pi為第i個(gè)樣本的真實(shí)值;Oi為第i個(gè)樣本的估計(jì)值。

    RMSE較小表示模型估計(jì)能力較高,較大表示模型估計(jì)能力較低。不同模型比較結(jié)果如表2所示。

    表2 不同模型比較結(jié)果Tab.2 Comparison results of different models

    由表2可知,RF和SVM模型在測(cè)試數(shù)據(jù)上產(chǎn)生的RMSE通常比在訓(xùn)練數(shù)據(jù)上產(chǎn)生的RMSE高得多。這表明這些模型存在過度擬合問題。同時(shí),RB和ANN等模型較RF和SVM模型性能有所提升,但RMSE仍有提升空間。所提模型性能優(yōu)勢(shì)明顯,訓(xùn)練集中RMSE為3.69%,測(cè)試集中為4.80%。所提模型較RB和ANN在測(cè)試集中的RMSE分別下降5.26%和4.09%。

    3.3.2 數(shù)據(jù)增強(qiáng)策略性能分析

    為了驗(yàn)證所提模型生成竊電功率曲線的有效性,本節(jié)對(duì)比了基于隨機(jī)過采樣(random over-sampling,ROS)、人工少數(shù)類過采樣技術(shù)(synthetic minority over-sampling technique,SMOTE)和生成對(duì)抗網(wǎng)絡(luò)(generative adversarial network,GAN)等數(shù)據(jù)增強(qiáng)算法在所提基礎(chǔ)CNN模型下的性能。對(duì)比指標(biāo)分別選取準(zhǔn)確率、F1分?jǐn)?shù)和G均值。其中,指標(biāo)G均值可有效評(píng)估不平衡樣本性能。不同數(shù)據(jù)增強(qiáng)方法性能對(duì)比如表3所示。

    表3 不同數(shù)據(jù)增強(qiáng)方法性能對(duì)比Tab.3 Performance comparison of different data enhancement methods

    由表3可知,通過不同方法增加數(shù)據(jù)后,基礎(chǔ)CNN的檢測(cè)性能得到了顯著改善。具體而言,在通過ROS進(jìn)行數(shù)據(jù)增強(qiáng)后,與原始數(shù)據(jù)集相比,CNN的準(zhǔn)確率、F1分?jǐn)?shù)和G均值分別提高了2.00%、1.64%和1.69%。經(jīng)過SOMTE數(shù)據(jù)增強(qiáng)后,與原始數(shù)據(jù)集相比,CNN的準(zhǔn)確率、F1分?jǐn)?shù)和G均值分別提高了3.50%、2.90%和3.33%。經(jīng)過GAN數(shù)據(jù)增強(qiáng)后,與原始數(shù)據(jù)集相比,CNN的準(zhǔn)確率、F1分?jǐn)?shù)和G均值分別提高了4.46%、4.46%和4.68%。經(jīng)過無(wú)數(shù)據(jù)增強(qiáng)后,與原始數(shù)據(jù)集相比,CNN的準(zhǔn)確率、F1分?jǐn)?shù)和G均值分別提高了7.00%、6.65%和6.01%。因此,與現(xiàn)有的數(shù)據(jù)增強(qiáng)方法相比,所提數(shù)據(jù)增強(qiáng)方法可以根據(jù)竊電功率曲線的實(shí)際形狀和分布特征擴(kuò)展訓(xùn)練集,并且對(duì)CNN性能改善效果更優(yōu)。

    4 結(jié)論

    本文對(duì)電力網(wǎng)電力數(shù)據(jù)進(jìn)行了研究與分析,建立了1種基于CNN的電力數(shù)據(jù)分析模型。首先,本文基于條件變分自動(dòng)編碼器的數(shù)據(jù)增強(qiáng),提高了樣本的多樣性和均衡性,提升了模型的準(zhǔn)確性和訓(xùn)練效率。其次,本文提出了1種基于CNN的竊電檢測(cè)模型,從而實(shí)現(xiàn)了用電數(shù)據(jù)的準(zhǔn)確分類。該模型為電力數(shù)據(jù)分析及安全故障隱患的發(fā)現(xiàn)提供了借鑒。未來(lái)可對(duì)電力數(shù)據(jù)安全管理領(lǐng)域進(jìn)行研究,如引入?yún)^(qū)塊鏈、云計(jì)算等技術(shù)提高混合配電網(wǎng)數(shù)據(jù)交互可靠性及效率,以進(jìn)一步完善智能化電力故障診斷及定位方案。

    猜你喜歡
    檢測(cè)模型
    一半模型
    “不等式”檢測(cè)題
    “一元一次不等式”檢測(cè)題
    “一元一次不等式組”檢測(cè)題
    “幾何圖形”檢測(cè)題
    “角”檢測(cè)題
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
    3D打印中的模型分割與打包
    小波變換在PCB缺陷檢測(cè)中的應(yīng)用
    av福利片在线观看| 日韩大片免费观看网站| 日本爱情动作片www.在线观看| 97精品久久久久久久久久精品| 99热这里只有是精品50| 日本免费在线观看一区| 国产成人免费观看mmmm| 亚洲最大成人手机在线| 亚洲av不卡在线观看| 国产伦理片在线播放av一区| 日产精品乱码卡一卡2卡三| 久久99热这里只有精品18| 精品午夜福利在线看| 自拍欧美九色日韩亚洲蝌蚪91 | 日韩一区二区视频免费看| 国产成人a区在线观看| 亚洲精品一区蜜桃| 又爽又黄a免费视频| 两个人的视频大全免费| 纵有疾风起免费观看全集完整版| 午夜日本视频在线| 亚洲av中文av极速乱| 22中文网久久字幕| 全区人妻精品视频| 制服丝袜香蕉在线| 人妻夜夜爽99麻豆av| 欧美精品一区二区大全| 欧美精品一区二区大全| 神马国产精品三级电影在线观看| 亚洲精品日韩在线中文字幕| 国产亚洲5aaaaa淫片| 亚洲精品成人久久久久久| 日本wwww免费看| 亚洲av福利一区| 少妇裸体淫交视频免费看高清| 少妇熟女欧美另类| 内射极品少妇av片p| 久久99精品国语久久久| 国产亚洲午夜精品一区二区久久 | 日韩一本色道免费dvd| 日韩大片免费观看网站| 亚洲欧美中文字幕日韩二区| 免费av观看视频| 天天躁夜夜躁狠狠久久av| 亚洲av福利一区| 日本欧美国产在线视频| 国产伦精品一区二区三区四那| 制服丝袜香蕉在线| 男女边吃奶边做爰视频| 人妻系列 视频| 欧美变态另类bdsm刘玥| 亚洲欧美精品专区久久| 天美传媒精品一区二区| 欧美极品一区二区三区四区| 欧美最新免费一区二区三区| 亚洲一级一片aⅴ在线观看| 王馨瑶露胸无遮挡在线观看| 国产精品麻豆人妻色哟哟久久| 老司机影院毛片| 日韩不卡一区二区三区视频在线| 性色avwww在线观看| 久久精品国产鲁丝片午夜精品| 一个人看的www免费观看视频| 最新中文字幕久久久久| 国产黄片视频在线免费观看| 久久精品国产亚洲av天美| 大香蕉久久网| 日日撸夜夜添| 亚洲欧美中文字幕日韩二区| 午夜免费观看性视频| 成人毛片a级毛片在线播放| 日韩av免费高清视频| 中文乱码字字幕精品一区二区三区| 国产探花在线观看一区二区| 亚洲成人精品中文字幕电影| 精品久久久久久久末码| 日韩电影二区| 欧美日韩在线观看h| 日韩成人av中文字幕在线观看| 免费看av在线观看网站| 看十八女毛片水多多多| 亚洲国产av新网站| 亚洲国产精品成人久久小说| 日韩成人伦理影院| 又大又黄又爽视频免费| 国产精品熟女久久久久浪| 欧美97在线视频| 欧美精品人与动牲交sv欧美| 久久影院123| 韩国高清视频一区二区三区| 99久久九九国产精品国产免费| 又大又黄又爽视频免费| 2021少妇久久久久久久久久久| 成人美女网站在线观看视频| 国产高潮美女av| 美女国产视频在线观看| 男女边吃奶边做爰视频| 91久久精品国产一区二区成人| 亚洲欧美中文字幕日韩二区| 狠狠精品人妻久久久久久综合| 欧美激情久久久久久爽电影| 各种免费的搞黄视频| 精品一区二区三区视频在线| 特级一级黄色大片| 精品一区二区免费观看| 在现免费观看毛片| 日韩电影二区| 美女主播在线视频| 日韩欧美精品免费久久| 天堂网av新在线| 天天躁夜夜躁狠狠久久av| 国产精品精品国产色婷婷| 美女高潮的动态| 亚洲欧美日韩东京热| 免费播放大片免费观看视频在线观看| 国产精品嫩草影院av在线观看| 亚洲av中文字字幕乱码综合| 亚洲天堂av无毛| 午夜福利视频精品| 夜夜爽夜夜爽视频| 只有这里有精品99| 久久6这里有精品| 别揉我奶头 嗯啊视频| 国产熟女欧美一区二区| 综合色av麻豆| 久久精品国产亚洲av天美| 日本-黄色视频高清免费观看| 九色成人免费人妻av| 在线免费观看不下载黄p国产| 熟女av电影| 精华霜和精华液先用哪个| 一区二区三区免费毛片| 夜夜爽夜夜爽视频| 五月伊人婷婷丁香| 国产精品熟女久久久久浪| 80岁老熟妇乱子伦牲交| 亚洲国产av新网站| 一级黄片播放器| 亚洲国产日韩一区二区| 中文精品一卡2卡3卡4更新| 丝袜脚勾引网站| 熟女av电影| 在线观看一区二区三区| 下体分泌物呈黄色| 国产成人精品福利久久| 日韩大片免费观看网站| 免费看av在线观看网站| 午夜福利在线观看免费完整高清在| 亚洲精品乱久久久久久| 欧美成人一区二区免费高清观看| 国产爽快片一区二区三区| 欧美日韩一区二区视频在线观看视频在线 | 26uuu在线亚洲综合色| 自拍欧美九色日韩亚洲蝌蚪91 | 午夜福利在线观看免费完整高清在| 欧美bdsm另类| 久久久久久久午夜电影| 在线观看免费高清a一片| 一级黄片播放器| 丝袜喷水一区| 伊人久久精品亚洲午夜| 日本免费在线观看一区| av免费观看日本| 久久久国产一区二区| 一个人观看的视频www高清免费观看| 国产精品国产三级国产专区5o| 在线精品无人区一区二区三 | 国产精品久久久久久av不卡| 18+在线观看网站| eeuss影院久久| 99久久精品国产国产毛片| 亚洲精华国产精华液的使用体验| 国产精品国产三级国产av玫瑰| 久久精品夜色国产| 99久久九九国产精品国产免费| 在线观看三级黄色| 男人狂女人下面高潮的视频| 久久久久久久久久人人人人人人| 亚洲av电影在线观看一区二区三区 | 国内少妇人妻偷人精品xxx网站| 青春草亚洲视频在线观看| 亚洲精品一区蜜桃| 少妇人妻一区二区三区视频| 丝袜脚勾引网站| 久久鲁丝午夜福利片| 亚州av有码| 欧美丝袜亚洲另类| 成人免费观看视频高清| 欧美另类一区| 久久久久久久亚洲中文字幕| 美女主播在线视频| 亚洲欧美日韩另类电影网站 | 午夜福利网站1000一区二区三区| 亚洲aⅴ乱码一区二区在线播放| 欧美97在线视频| 亚洲天堂av无毛| 2021少妇久久久久久久久久久| 色5月婷婷丁香| 高清日韩中文字幕在线| 亚洲精品中文字幕在线视频 | 亚洲av在线观看美女高潮| 国产女主播在线喷水免费视频网站| 久久人人爽av亚洲精品天堂 | 免费观看在线日韩| 搡老乐熟女国产| 99久久人妻综合| 日韩一本色道免费dvd| 国产成人免费无遮挡视频| 一级毛片aaaaaa免费看小| 99热国产这里只有精品6| 中文乱码字字幕精品一区二区三区| 国产一区二区三区综合在线观看 | 亚洲国产色片| 插逼视频在线观看| 91在线精品国自产拍蜜月| 中文字幕久久专区| 九九久久精品国产亚洲av麻豆| 亚洲欧美一区二区三区国产| 免费av不卡在线播放| 2018国产大陆天天弄谢| 国产乱人偷精品视频| 汤姆久久久久久久影院中文字幕| 国产精品熟女久久久久浪| 亚洲欧美日韩东京热| 一边亲一边摸免费视频| 亚洲精品乱码久久久v下载方式| 亚洲av欧美aⅴ国产| 69av精品久久久久久| 午夜视频国产福利| 国产精品人妻久久久影院| 女人被狂操c到高潮| 亚洲欧美一区二区三区黑人 | 久久ye,这里只有精品| 新久久久久国产一级毛片| 亚洲精品日韩在线中文字幕| 国产老妇伦熟女老妇高清| 国产成人freesex在线| 久久久国产一区二区| 免费黄网站久久成人精品| 日韩av不卡免费在线播放| 天天躁日日操中文字幕| 久久久久久久久久成人| 色哟哟·www| 别揉我奶头 嗯啊视频| 汤姆久久久久久久影院中文字幕| 简卡轻食公司| 永久网站在线| 性色avwww在线观看| 精品少妇黑人巨大在线播放| 在线观看国产h片| 久久久久久久亚洲中文字幕| 视频区图区小说| 国产精品一区www在线观看| 一个人看的www免费观看视频| 国产精品爽爽va在线观看网站| 中文字幕人妻熟人妻熟丝袜美| 国产黄频视频在线观看| 少妇 在线观看| 99精国产麻豆久久婷婷| 国产成人a∨麻豆精品| 亚洲精华国产精华液的使用体验| 色哟哟·www| 涩涩av久久男人的天堂| 国内揄拍国产精品人妻在线| 热re99久久精品国产66热6| 日韩欧美 国产精品| av国产久精品久网站免费入址| 久久久久久久久久成人| 欧美性猛交╳xxx乱大交人| 亚洲在线观看片| 亚洲欧洲国产日韩| 麻豆精品久久久久久蜜桃| 大话2 男鬼变身卡| 欧美成人一区二区免费高清观看| 伦理电影大哥的女人| 国产亚洲最大av| 精品久久久噜噜| 又大又黄又爽视频免费| 久久久久久久大尺度免费视频| 日韩一本色道免费dvd| 亚洲欧美清纯卡通| 黄色一级大片看看| 18禁在线播放成人免费| 亚洲人成网站在线观看播放| 成人黄色视频免费在线看| 在线观看免费高清a一片| tube8黄色片| 男女啪啪激烈高潮av片| 国产人妻一区二区三区在| 插逼视频在线观看| 日韩欧美精品免费久久| 夫妻性生交免费视频一级片| 91久久精品国产一区二区成人| 亚洲国产精品999| 精品久久国产蜜桃| 精品视频人人做人人爽| 九色成人免费人妻av| 亚洲天堂国产精品一区在线| 亚洲美女视频黄频| 免费黄网站久久成人精品| 人体艺术视频欧美日本| 亚洲,一卡二卡三卡| 18+在线观看网站| 九色成人免费人妻av| 丝袜喷水一区| 中国三级夫妇交换| 成年av动漫网址| av在线观看视频网站免费| 免费观看的影片在线观看| 久久精品国产亚洲av涩爱| 国产精品爽爽va在线观看网站| 国产探花在线观看一区二区| 国产国拍精品亚洲av在线观看| 老师上课跳d突然被开到最大视频| 男女下面进入的视频免费午夜| 天堂俺去俺来也www色官网| 肉色欧美久久久久久久蜜桃 | 成人毛片a级毛片在线播放| 春色校园在线视频观看| av.在线天堂| 成人无遮挡网站| 看免费成人av毛片| 国产黄片视频在线免费观看| 日韩,欧美,国产一区二区三区| av在线天堂中文字幕| 少妇的逼水好多| 午夜激情久久久久久久| 国产色婷婷99| 午夜激情久久久久久久| 可以在线观看毛片的网站| 亚洲国产欧美在线一区| 精品一区二区三卡| 国产男女内射视频| 久久精品熟女亚洲av麻豆精品| 亚洲精品乱久久久久久| 国产日韩欧美在线精品| 欧美精品国产亚洲| 欧美97在线视频| 亚洲精品色激情综合| av黄色大香蕉| 爱豆传媒免费全集在线观看| 黄色欧美视频在线观看| 有码 亚洲区| 久久精品熟女亚洲av麻豆精品| 777米奇影视久久| 乱码一卡2卡4卡精品| 一区二区av电影网| 直男gayav资源| 又大又黄又爽视频免费| 久久久久久久久久久丰满| 男女下面进入的视频免费午夜| 中文字幕亚洲精品专区| 亚洲欧洲国产日韩| 高清在线视频一区二区三区| 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 | 国产精品偷伦视频观看了| 韩国av在线不卡| 亚洲精品视频女| 少妇 在线观看| 男女边摸边吃奶| 少妇 在线观看| 男女边摸边吃奶| 免费黄色在线免费观看| 日本与韩国留学比较| 99热6这里只有精品| 精品人妻偷拍中文字幕| 韩国av在线不卡| 国产精品国产三级专区第一集| 久久久久国产精品人妻一区二区| freevideosex欧美| 干丝袜人妻中文字幕| 精品人妻视频免费看| 美女高潮的动态| 中文欧美无线码| 女人被狂操c到高潮| 国产真实伦视频高清在线观看| 建设人人有责人人尽责人人享有的 | 少妇高潮的动态图| 毛片一级片免费看久久久久| 国产一区二区三区综合在线观看 | 99热这里只有精品一区| 亚洲美女视频黄频| 观看免费一级毛片| 国产亚洲91精品色在线| 另类亚洲欧美激情| 美女xxoo啪啪120秒动态图| 熟女av电影| 国产综合精华液| 日本熟妇午夜| 亚洲欧美日韩卡通动漫| 成人亚洲精品一区在线观看 | 亚洲av免费高清在线观看| 在线看a的网站| 国产淫片久久久久久久久| 22中文网久久字幕| 性色av一级| 亚洲成人中文字幕在线播放| 国产爽快片一区二区三区| 亚洲av成人精品一二三区| 伊人久久国产一区二区| 欧美精品国产亚洲| 国产精品人妻久久久久久| 久久综合国产亚洲精品| 亚洲色图av天堂| 美女内射精品一级片tv| 大陆偷拍与自拍| 一本久久精品| 边亲边吃奶的免费视频| 99热6这里只有精品| 国产精品偷伦视频观看了| 美女视频免费永久观看网站| 哪个播放器可以免费观看大片| 国产爽快片一区二区三区| 国产成人91sexporn| 日本一本二区三区精品| 一级毛片电影观看| 精品少妇黑人巨大在线播放| 美女内射精品一级片tv| 人妻夜夜爽99麻豆av| 51国产日韩欧美| 国产黄频视频在线观看| 欧美高清性xxxxhd video| 日日撸夜夜添| 一级毛片aaaaaa免费看小| 日韩强制内射视频| 不卡视频在线观看欧美| 王馨瑶露胸无遮挡在线观看| 人妻夜夜爽99麻豆av| 少妇人妻精品综合一区二区| 亚洲成人中文字幕在线播放| 97在线人人人人妻| 一级片'在线观看视频| 80岁老熟妇乱子伦牲交| 嫩草影院新地址| 波野结衣二区三区在线| 成年人午夜在线观看视频| 久久精品人妻少妇| 男人狂女人下面高潮的视频| 国产成人91sexporn| 国产免费又黄又爽又色| 男女国产视频网站| 亚洲国产日韩一区二区| 亚洲精品国产av成人精品| av网站免费在线观看视频| 国产中年淑女户外野战色| 成人黄色视频免费在线看| av线在线观看网站| 久久人人爽人人爽人人片va| 精品一区二区三卡| 亚洲精品乱久久久久久| av线在线观看网站| 看非洲黑人一级黄片| 美女视频免费永久观看网站| 日日撸夜夜添| 80岁老熟妇乱子伦牲交| 国产av国产精品国产| 久久久久久久久久人人人人人人| 卡戴珊不雅视频在线播放| 久久精品国产亚洲av天美| 国产一区亚洲一区在线观看| 国产午夜精品一二区理论片| av在线播放精品| 国产av码专区亚洲av| 亚洲国产色片| 国产 一区精品| 久久精品国产亚洲av天美| 精品午夜福利在线看| 亚洲精华国产精华液的使用体验| 少妇猛男粗大的猛烈进出视频 | 久久人人爽人人片av| 婷婷色综合大香蕉| 国产 一区 欧美 日韩| 国国产精品蜜臀av免费| 黄色配什么色好看| 美女cb高潮喷水在线观看| 欧美精品人与动牲交sv欧美| 亚洲精品456在线播放app| 久久久久久伊人网av| 国产探花在线观看一区二区| 视频中文字幕在线观看| 精品国产一区二区三区久久久樱花 | 欧美zozozo另类| 亚洲精华国产精华液的使用体验| 男男h啪啪无遮挡| 1000部很黄的大片| 热re99久久精品国产66热6| 久久99热这里只有精品18| 精品视频人人做人人爽| 久久精品久久精品一区二区三区| 精品熟女少妇av免费看| 久久精品久久久久久久性| 久久99热这里只有精品18| 欧美潮喷喷水| 久久6这里有精品| 亚洲欧美一区二区三区黑人 | 久久久久国产精品人妻一区二区| 男女下面进入的视频免费午夜| 天堂网av新在线| 欧美一区二区亚洲| 全区人妻精品视频| 国产精品一二三区在线看| 菩萨蛮人人尽说江南好唐韦庄| 在线观看人妻少妇| 欧美性猛交╳xxx乱大交人| 波野结衣二区三区在线| 久久久久国产精品人妻一区二区| 成人国产麻豆网| 欧美潮喷喷水| 国产成人免费无遮挡视频| 麻豆久久精品国产亚洲av| 国产精品久久久久久精品古装| 成人国产av品久久久| 最新中文字幕久久久久| 日本三级黄在线观看| 国产成人91sexporn| 特大巨黑吊av在线直播| 亚洲欧洲国产日韩| 国产在线一区二区三区精| 日韩制服骚丝袜av| 真实男女啪啪啪动态图| 菩萨蛮人人尽说江南好唐韦庄| 高清在线视频一区二区三区| 成人国产av品久久久| 免费大片18禁| 高清视频免费观看一区二区| 观看美女的网站| 久久鲁丝午夜福利片| 69av精品久久久久久| .国产精品久久| 18禁在线无遮挡免费观看视频| 色网站视频免费| 高清欧美精品videossex| 国产精品一区二区性色av| 国产精品一区www在线观看| 国产黄色免费在线视频| 建设人人有责人人尽责人人享有的 | 亚洲人成网站高清观看| 九色成人免费人妻av| 男女无遮挡免费网站观看| 大码成人一级视频| 精品久久久噜噜| 久久久久久久午夜电影| kizo精华| 黄色怎么调成土黄色| 色综合色国产| 最后的刺客免费高清国语| 免费观看在线日韩| 中文乱码字字幕精品一区二区三区| 成人毛片a级毛片在线播放| 久久久久国产精品人妻一区二区| 欧美亚洲 丝袜 人妻 在线| 成年免费大片在线观看| 欧美日韩视频精品一区| 国产91av在线免费观看| 视频区图区小说| 国产大屁股一区二区在线视频| 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 | 欧美日韩综合久久久久久| 午夜福利视频1000在线观看| 亚洲欧美精品专区久久| 午夜精品一区二区三区免费看| 一区二区三区四区激情视频| 成人毛片a级毛片在线播放| 高清毛片免费看| 少妇的逼好多水| 一个人看的www免费观看视频| 99热6这里只有精品| 国产成人免费观看mmmm| 欧美激情国产日韩精品一区| 精品一区二区三区视频在线| 亚洲美女视频黄频| 欧美老熟妇乱子伦牲交| 亚洲欧美清纯卡通| 五月伊人婷婷丁香| 国产在线男女| 插阴视频在线观看视频| 国产真实伦视频高清在线观看| 亚洲三级黄色毛片| 色播亚洲综合网| 神马国产精品三级电影在线观看| 观看免费一级毛片| 91在线精品国自产拍蜜月| 在线观看av片永久免费下载| 直男gayav资源| 久久综合国产亚洲精品| 国产女主播在线喷水免费视频网站| 成年av动漫网址| 舔av片在线| 国内精品美女久久久久久| 欧美高清性xxxxhd video| 中国国产av一级| 三级国产精品欧美在线观看| 国产91av在线免费观看| 舔av片在线| 国内精品美女久久久久久| 欧美高清性xxxxhd video| 一级二级三级毛片免费看| 日本黄大片高清| 熟妇人妻不卡中文字幕| 日韩强制内射视频| 国产成人精品久久久久久| 亚洲人成网站在线播| 久久ye,这里只有精品| 亚洲欧美精品自产自拍| 九九爱精品视频在线观看| 嫩草影院精品99| 三级国产精品欧美在线观看| 99久久人妻综合| 午夜亚洲福利在线播放| 国产女主播在线喷水免费视频网站| 直男gayav资源| 天美传媒精品一区二区| 国产乱人视频| 国产一区有黄有色的免费视频| 在线观看免费高清a一片|