• <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 ?

    智能電網(wǎng)電量異常數(shù)據(jù)的識別和修復(fù)研究

    2023-11-01 02:01:28薛迎衛(wèi)施煒煒
    自動化儀表 2023年10期
    關(guān)鍵詞:訓(xùn)練樣本電量聚類

    陳 婧,林 超,薛迎衛(wèi),施煒煒

    (國網(wǎng)信通億力科技有限責(zé)任公司,福建 福州 350003)

    0 引言

    智能電網(wǎng)是國家電網(wǎng)結(jié)構(gòu)體系的重要組成部分,對國民經(jīng)濟(jì)建設(shè)具有推動作用[1]。傳統(tǒng)電力行業(yè)的電量數(shù)據(jù)增長幅度較低,電量種類不多,且結(jié)構(gòu)不復(fù)雜。隨著智能電網(wǎng)信息化程度的不斷提升,電力電量數(shù)據(jù)發(fā)生很大改變,不但結(jié)構(gòu)、種類呈現(xiàn)多樣性變化,而且電量數(shù)據(jù)規(guī)模增長迅猛,數(shù)據(jù)量突破億萬級[2-4]。對于當(dāng)前電力行業(yè)的海量電量數(shù)據(jù),傳統(tǒng)數(shù)據(jù)處理方法已不能達(dá)到數(shù)據(jù)處理目標(biāo)。另外,電力行業(yè)的供電量要與需求量相平衡。若破壞原本的均衡狀態(tài),會嚴(yán)重影響電力系統(tǒng)的安全、平穩(wěn)運行。利用過去電量數(shù)據(jù)可實現(xiàn)未來用電量的預(yù)測,為電力生產(chǎn)分配及調(diào)度決策提供有力的數(shù)據(jù)支撐。這對于電力系統(tǒng)的高效運行具有重要意義。因此,電量數(shù)據(jù)必須準(zhǔn)確、無異常。

    通過數(shù)據(jù)挖掘技術(shù)對智能電網(wǎng)海量電量數(shù)據(jù)進(jìn)行分析,對于異常電量數(shù)據(jù)的快速檢測具有重要意義[5]。張春輝等針對電力系統(tǒng)電量數(shù)據(jù)受外在因素影響生成異常數(shù)據(jù)的問題,提出通過小波方法識別異常電力負(fù)荷。該方法雖能實現(xiàn)異常電量數(shù)據(jù)的檢測,但對異常數(shù)據(jù)的自主修復(fù)能力較弱[6]。蔣華等針對海洋浮標(biāo)異常數(shù)據(jù),提出通過改進(jìn)K均值聚類算法實現(xiàn)異常數(shù)據(jù)檢測的方法。該方法可自適應(yīng)確定聚類中心,通過數(shù)據(jù)與聚類中心的距離均值篩選異常數(shù)據(jù)。該方法的異常數(shù)據(jù)檢測率雖高,但誤檢率也較高[7]。

    為保證智能電網(wǎng)中海量電量數(shù)據(jù)質(zhì)量、高效識別異常電量數(shù)據(jù),本文基于數(shù)據(jù)挖掘的電量數(shù)據(jù)異常智能識別和修復(fù),通過粒子群優(yōu)化-可能性模糊C均值(particle swarm optimization-possibilistic fuzzy C-means,PSO-PFCM)聚類算法識別異常電量數(shù)據(jù),并運用徑向基函數(shù)(radial basis function,RBF)神經(jīng)網(wǎng)絡(luò)實現(xiàn)異常數(shù)據(jù)的修復(fù),以提高異常電量數(shù)據(jù)的識別準(zhǔn)確率。

    1 電量數(shù)據(jù)異常識別與修復(fù)

    1.1 PFCM算法聚類數(shù)目自適應(yīng)確定

    由于電力系統(tǒng)的電量數(shù)據(jù)信息規(guī)模巨大,利用可能性模糊C均值(possibilistic fuzzy C-means,PFCM)聚類算法對其進(jìn)行聚類時,聚類數(shù)目難以預(yù)測。通過設(shè)定指標(biāo)函數(shù)的方式,可有效解決PFCM算法的聚類問題。函數(shù)的描述為:

    (1)

    式中:c為數(shù)據(jù)類別;n為樣本數(shù);r為聚類參數(shù);bi為第i個聚類中心;uij為模糊矩陣。

    (2)

    式中:tij為概率劃分矩陣;k為歸一化樣本數(shù)。

    (3)

    (4)

    由此說明,PFCM算法的指標(biāo)函數(shù)在符合隸屬度歸一化限制條件的同時,可通過概率劃分矩陣使聚類數(shù)目達(dá)到最優(yōu)[9]。

    1.2 粒子群算法

    通過粒子群算法對粒子進(jìn)行初始化。粒子選擇遵循任意性原則,在不斷迭代過程中尋求最佳答案。迭代過程產(chǎn)生兩個最優(yōu)解,分別為局部最優(yōu)解和整體最優(yōu)解,根據(jù)這兩個最優(yōu)解不斷對粒子進(jìn)行替換[10-11]。搜尋區(qū)域為d維。種群包含粒子數(shù)量為n。種群的第i個粒子在d維中的向量為Xi=(xi1,xi2,…,xid),i=1,2,…,n。飛行速度Vi=(vi1,vi2,…,vid),i=1,2,…,n。局部最優(yōu)解為粒子搜尋到的最佳位置:

    Pbest=(pi1,pi2,…,pid)

    (5)

    全局最優(yōu)解為種群搜尋到的最佳位置:

    gbest=(pg1,pg2,…,pgd)

    (6)

    vid=βvid+f1r1(pid-xid)+f2r2(pgd-xid)

    (7)

    式中:β為慣性權(quán)重;f1、f2為加速度因子,且f1≠f2;r1、r2為區(qū)間[0,1]內(nèi)的任意數(shù),且r1≠r2。

    xid=pid+vid

    (8)

    通過式(7)、式(8),可對粒子的速度及位置進(jìn)行替換。通過粒子群算法可進(jìn)一步獲得PFCM聚類算法的聚類中心。

    1.3 基于PSO-PFCM的智能識別流程

    異常電量數(shù)據(jù)的智能識別流程如圖1所示。

    圖1 異常電量數(shù)據(jù)的智能識別流程圖Fig.1 Intelligent identification flowchart of abnormal power data

    通過PSO-PFCM算法可實現(xiàn)電量數(shù)據(jù)的異常智能識別。電量數(shù)據(jù)異常智能檢測流程如下。

    ①電量數(shù)據(jù)預(yù)處理。由于聚類結(jié)果會因電量增長受到一定影響,從而增加計算繁雜度,因此需歸一化電量數(shù)據(jù)。

    ②電量特征曲線聚類。通過V(c)函數(shù)和粒子群優(yōu)化(particle swarm optimization,PSO)算法確定聚類中心和聚類數(shù)量的最優(yōu)解。PSO-PFCM聚類算法可實現(xiàn)電量曲線的聚類。

    ③電量數(shù)據(jù)異常智能識別。根據(jù)所獲電量曲線對聚類結(jié)果進(jìn)行研究,并結(jié)合全部類型電量曲線的特性對異常電量數(shù)據(jù)進(jìn)行智能識別。

    2 基于RBF神經(jīng)網(wǎng)絡(luò)的異常數(shù)據(jù)修復(fù)

    2.1 輸入、輸出量選取

    RBF神經(jīng)網(wǎng)絡(luò)是包含三層結(jié)構(gòu)的前饋網(wǎng)絡(luò)。三層結(jié)構(gòu)分別為輸入層、隱含層及輸出層。本文方法以識別到的異常電量數(shù)據(jù)產(chǎn)生時刻為基點。該時刻前期的異常電量數(shù)據(jù)作為網(wǎng)絡(luò)輸入值,通過網(wǎng)絡(luò)輸出結(jié)果實現(xiàn)異常電量數(shù)據(jù)的修復(fù)。輸出結(jié)果可用式(9)描述:

    (9)

    式中:x=[x1,x2,…,xm]T為神經(jīng)網(wǎng)絡(luò)的輸入向量;m為輸入層中的節(jié)點個數(shù);y為網(wǎng)絡(luò)輸出向量;ωi為隱含層的第i個節(jié)點與輸出層的權(quán)值向量;Ri(x)為網(wǎng)絡(luò)隱含層的第i個RBF。

    2.2 RBF及參數(shù)確定

    RBF選取高斯函數(shù),表達(dá)式為:

    (10)

    ①采用K-means算法對訓(xùn)練樣本進(jìn)行聚類,以確定ci。聚類數(shù)量為隱含層節(jié)點數(shù)。

    ②根據(jù)ci確定σ,表達(dá)式為:

    σ=bmin(ci-cg)

    (11)

    式中:b為疊加系數(shù);cg為隱含層的聚類中心。

    ③ω采用最小均方(least mean square,LMS)算法計算,并通過對訓(xùn)練樣本集分配的方式對其進(jìn)行訓(xùn)練。分布式系統(tǒng)結(jié)構(gòu)中增加計算節(jié)點數(shù)量。各節(jié)點構(gòu)建RBF神經(jīng)網(wǎng)絡(luò),將訓(xùn)練樣本均分給各節(jié)點以實現(xiàn)并行處理。

    各節(jié)點實現(xiàn)任務(wù)處理后,獲得權(quán)值向量ωi=[ωi1,ωi2,…,ωih]T,0

    ω(m+1)=ωT(m)+ηX(m)e(m)

    (12)

    式中:m為迭代系數(shù),當(dāng)m=0時,ω(0)為極小值;η為學(xué)習(xí)效率;X(m)為輸入樣本;e(m)為理想值與實測值的差值。

    e(m)=d(m)-YT(m)

    (13)

    式中:d(m)為理想輸出;Y(m)為輸出實測值向量。

    在得到權(quán)值的基礎(chǔ)上,本文訓(xùn)練各節(jié)點的RBF神經(jīng)網(wǎng)絡(luò),以計算訓(xùn)練準(zhǔn)確率。αi為各節(jié)點對于全部節(jié)點所占的比重,可通過準(zhǔn)確率求得。RBF神經(jīng)網(wǎng)絡(luò)的權(quán)值向量可表達(dá)為:

    (14)

    2.3 異常數(shù)據(jù)修復(fù)流程

    異常電量數(shù)據(jù)的修復(fù)流程如下。

    ①對RBF神經(jīng)網(wǎng)絡(luò)異常數(shù)據(jù)修復(fù)模型進(jìn)行構(gòu)建。該模型可將識別到的大規(guī)模電量數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò),并實現(xiàn)唯一結(jié)果的輸出。基于某時刻的異常電量數(shù)據(jù),以該時刻之前的電量數(shù)據(jù)作為歷史數(shù)據(jù),將其傳輸至神經(jīng)網(wǎng)絡(luò)。RBF輸出結(jié)果為異常電量數(shù)據(jù)的修復(fù)值。

    ②選取訓(xùn)練樣本并對其歸一化。預(yù)處理后的訓(xùn)練樣本集分配到各訓(xùn)練節(jié)點,通過訓(xùn)練樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)。

    ③將歷史電量數(shù)據(jù)輸入訓(xùn)練好的RBF神經(jīng)網(wǎng)絡(luò),得到對應(yīng)的輸出結(jié)果,并用輸出結(jié)果替換異常電量數(shù)據(jù)。

    ④異常電量數(shù)據(jù)修復(fù)后,通過相對誤差檢測修復(fù)是否準(zhǔn)確。相對誤差可描述為:

    (15)

    式中:Zf為修復(fù)值;Z為原電量數(shù)據(jù)值。

    異常電量數(shù)據(jù)修復(fù)流程如圖2所示。

    圖2 異常電量數(shù)據(jù)修復(fù)流程圖Fig.2 Abnormal power data repair flowchart

    3 試驗結(jié)果分析

    本文以某地區(qū)數(shù)據(jù)采集與監(jiān)視控制(supervisory control and data acquisition,SCADA)系統(tǒng)為研究對象,采集當(dāng)年6月、7月的電量數(shù)據(jù)并建立數(shù)據(jù)集。數(shù)據(jù)集中包含500條電量數(shù)據(jù)。試驗隨機(jī)選取其中300條電量數(shù)據(jù)作為訓(xùn)練樣本,而剩余200條電量數(shù)據(jù)作為測試樣本。為驗證本文方法對于異常電量數(shù)據(jù)的智能識別能力和修復(fù)性能,試驗在數(shù)據(jù)集中人為替換部分異常數(shù)據(jù)。

    本文方法通過設(shè)計新指標(biāo)函數(shù)對電量數(shù)據(jù)進(jìn)行聚類,以確定最優(yōu)聚類數(shù);通過與原指標(biāo)函數(shù)的對比,驗證新指標(biāo)函數(shù)對于確定聚類數(shù)量的有效性。最優(yōu)聚類數(shù)確定結(jié)果如圖3所示。

    圖3 最優(yōu)聚類數(shù)確定結(jié)果Fig.3 Optimal number of clusters determines results

    由圖3可知,當(dāng)采用原指標(biāo)函數(shù)進(jìn)行電量數(shù)據(jù)聚類時,指標(biāo)函數(shù)值不存在最小值,無法判斷出最優(yōu)聚類數(shù)目。本文方法的指標(biāo)函數(shù)在聚類數(shù)目為4時輸出最小值為1。函數(shù)值越小,其聚類結(jié)果越接近真實數(shù)據(jù)規(guī)律。因此,本文確定最優(yōu)聚類數(shù)為4。試驗結(jié)果表明,通過本文方法可確定最佳聚類數(shù)目,且聚類效果較好。

    在確定聚類數(shù)目的前提下,試驗對數(shù)據(jù)集中的500條電量數(shù)據(jù)進(jìn)行聚類,并以某個含有異常電量數(shù)據(jù)的聚類結(jié)果為對象,采用本文方法提取電量特征曲線,從而驗證本文方法的聚類效果。電量特征曲線如圖4所示。

    圖4 電量特征曲線Fig.4 Power quantity characteristic curves

    由圖4可知,在此類別電量曲線中,多數(shù)曲線的運行規(guī)律均與聚類中心的走勢保持一致,僅有個別曲線偏離聚類中心。其中,異常電量曲線明顯偏離聚類中心,且與聚類中心相距較遠(yuǎn),完全違背了該曲線的原有數(shù)據(jù)規(guī)律。由此可判斷,該曲線為異常數(shù)據(jù)曲線。因此,本文方法可智能識別出電量數(shù)據(jù)中的異常數(shù)據(jù)。

    采用本文方法對數(shù)據(jù)集中數(shù)據(jù)進(jìn)行智能識別,可判斷各類別電量數(shù)據(jù)中是否存在異常數(shù)據(jù)。異常數(shù)據(jù)用A標(biāo)記。各類電量異常數(shù)據(jù)識別結(jié)果如表1所示。

    表1 異常數(shù)據(jù)識別結(jié)果Tab.1 Abnormal data identification results

    由表1可知,本文方法可對數(shù)據(jù)集中的全部電量數(shù)據(jù)進(jìn)行聚類,從而有效識別電量數(shù)據(jù)所屬類別以及電量數(shù)據(jù)異常日期、異常時刻、異常電量值,并對異常數(shù)據(jù)進(jìn)行標(biāo)記。第一類電量數(shù)據(jù)6:00的電量值與實際值具有較大偏差,因此可進(jìn)一步驗證圖4結(jié)果。

    本文分別采用文獻(xiàn)[6]方法、文獻(xiàn)[7]方法及本文方法對電量數(shù)據(jù)進(jìn)行異常識別,通過檢測率及誤檢率指標(biāo)驗證3種方法的異常數(shù)據(jù)識別能力。異常電量數(shù)據(jù)識別效果分析結(jié)果如表2所示。

    表2 異常電量數(shù)據(jù)識別效果分析結(jié)果Tab.2 Results of analyzing the effect of identifying abnormal power data

    由表2可知,在同規(guī)模電量數(shù)據(jù)條件下:文獻(xiàn)[7]方法的異常電量數(shù)據(jù)檢測率最低;文獻(xiàn)[6]方法檢測率居中;本文方法的檢測率最高,達(dá)到0.82以上。針對誤檢率指標(biāo),文獻(xiàn)[6]方法最高、文獻(xiàn)[7]方法居中。本文方法最低,低于0.06。試驗結(jié)果表明,在3種方法中,本文方法的異常電量檢測率最高、誤檢率最低,對電量數(shù)據(jù)的異常智能識別能力最強(qiáng),效果最顯著。

    本文將訓(xùn)練樣本輸入RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,運用訓(xùn)練后的RBF神經(jīng)網(wǎng)絡(luò)對異常電量數(shù)據(jù)進(jìn)行修復(fù),并與異常電量值、實際電量值進(jìn)行對比,從而分析本文方法的異常數(shù)據(jù)修復(fù)性能。異常電量數(shù)據(jù)修復(fù)曲線如圖5所示。

    圖5 異常電量數(shù)據(jù)修復(fù)曲線Fig.5 Abnormal power data fix curves

    由圖5可知,電量數(shù)據(jù)的異常時刻發(fā)生在6:00~9:00。在此期間內(nèi),電量數(shù)據(jù)異常值與實際電量值間存在較大偏差。經(jīng)本文方法對其進(jìn)行修復(fù)后,電量數(shù)據(jù)修復(fù)值接近于實際電量值。結(jié)果表明,本文方法可對異常電量數(shù)據(jù)進(jìn)行修復(fù),且準(zhǔn)確度較高。

    試驗分別采用本文方法、文獻(xiàn)[6]方法、文獻(xiàn)[7]方法對異常電量數(shù)據(jù)進(jìn)行修復(fù),通過對比分析三種方法的修復(fù)相對誤差,進(jìn)一步驗證本文方法的異常數(shù)據(jù)修復(fù)性能。修復(fù)性能對比曲線如圖6所示。

    圖6 修復(fù)性能對比曲線Fig.6 Repair performance comparison curres

    由圖6可知,隨著電量數(shù)據(jù)的不斷增多,采用三種方法對異常電量數(shù)據(jù)進(jìn)行修復(fù),其相對誤差呈現(xiàn)逐步升高的趨勢。文獻(xiàn)[6]方法的修復(fù)相對誤差升高幅度最大,而文獻(xiàn)[7]方法次之。本文方法的修復(fù)相對誤差呈小幅度增長,僅增長了20%,且曲線增長更為平穩(wěn)。試驗結(jié)果表明,本文方法的異常電量數(shù)據(jù)修復(fù)相對誤差更小、數(shù)據(jù)修復(fù)更準(zhǔn)確、修復(fù)性能更顯著。

    4 結(jié)論

    針對智能電網(wǎng)電量數(shù)據(jù)增長迅猛導(dǎo)致的電量數(shù)據(jù)異?,F(xiàn)象,為提高異常數(shù)據(jù)檢測準(zhǔn)確度,本文提出基于數(shù)據(jù)挖掘的電量異常數(shù)據(jù)的識別和修復(fù)方法。為驗證本文方法的異常識別和修復(fù)性能,本文首先利用本文方法確定最佳聚類數(shù)目,并對電量數(shù)據(jù)的特征曲線進(jìn)行提取;其次利用本文方法對數(shù)據(jù)集中的電量數(shù)據(jù)進(jìn)行智能識別,判斷是否存在異常電量數(shù)據(jù),并與文獻(xiàn)[6]和文獻(xiàn)[7]方法進(jìn)行比較,以驗證本文方法的異常數(shù)據(jù)識別能力;最后對異常數(shù)據(jù)進(jìn)行修復(fù),以分析本文方法的修復(fù)性能。試驗結(jié)果表明:本文方法可實現(xiàn)聚類數(shù)目及聚類中心的優(yōu)化,通過電量特征曲線可智能識別異常電量數(shù)據(jù);同時,本文方法對異常電量數(shù)據(jù)修復(fù)后,修復(fù)值與實際值的偏差很小。

    猜你喜歡
    訓(xùn)練樣本電量聚類
    電量越低越透明的手機(jī)
    人工智能
    四川2018年7月轉(zhuǎn)讓交易結(jié)果:申報轉(zhuǎn)讓電量11.515 63億千瓦時
    基于DBSACN聚類算法的XML文檔聚類
    電子測試(2017年15期)2017-12-18 07:19:27
    寬帶光譜成像系統(tǒng)最優(yōu)訓(xùn)練樣本選擇方法研究
    融合原始樣本和虛擬樣本的人臉識別算法
    基于稀疏重構(gòu)的機(jī)載雷達(dá)訓(xùn)練樣本挑選方法
    電量隔離傳感器測試儀的研制
    基于改進(jìn)的遺傳算法的模糊聚類算法
    一種層次初始的聚類個數(shù)自適應(yīng)的聚類方法研究
    最近的中文字幕免费完整| 男人操女人黄网站| 欧美日韩成人在线一区二区| 日产精品乱码卡一卡2卡三| 蜜臀久久99精品久久宅男| 观看av在线不卡| 高清午夜精品一区二区三区| 欧美最新免费一区二区三区| 国产在线视频一区二区| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 亚洲精品一二三| 永久网站在线| 国产一区二区在线观看日韩| 精品少妇久久久久久888优播| 九色亚洲精品在线播放| 秋霞伦理黄片| 亚洲精品自拍成人| 久久精品国产自在天天线| 久久精品夜色国产| 91久久精品国产一区二区三区| 中国三级夫妇交换| 免费播放大片免费观看视频在线观看| 一区在线观看完整版| 日产精品乱码卡一卡2卡三| 精品久久久久久久久亚洲| 男人操女人黄网站| av在线观看视频网站免费| 日本色播在线视频| 午夜福利视频精品| 中文字幕人妻熟人妻熟丝袜美| 岛国毛片在线播放| 九九久久精品国产亚洲av麻豆| 国产高清有码在线观看视频| 狠狠精品人妻久久久久久综合| 久久久欧美国产精品| 日日摸夜夜添夜夜添av毛片| 免费少妇av软件| 嘟嘟电影网在线观看| 欧美日韩av久久| 国产爽快片一区二区三区| 男人添女人高潮全过程视频| 欧美老熟妇乱子伦牲交| 亚洲,欧美,日韩| 久久精品国产亚洲av涩爱| 国产午夜精品一二区理论片| 国产在线视频一区二区| 国产成人aa在线观看| 极品人妻少妇av视频| 中文精品一卡2卡3卡4更新| 丰满迷人的少妇在线观看| 国产精品人妻久久久影院| 亚洲精品一二三| 在线播放无遮挡| 免费观看在线日韩| 五月伊人婷婷丁香| 2018国产大陆天天弄谢| 成人18禁高潮啪啪吃奶动态图 | 国产成人aa在线观看| 亚洲国产精品国产精品| 国产又色又爽无遮挡免| 亚洲成色77777| 国产女主播在线喷水免费视频网站| 我的老师免费观看完整版| 插逼视频在线观看| 汤姆久久久久久久影院中文字幕| 日韩制服骚丝袜av| 一级二级三级毛片免费看| 精品卡一卡二卡四卡免费| 成年人午夜在线观看视频| 高清毛片免费看| 亚洲性久久影院| 永久免费av网站大全| 又大又黄又爽视频免费| 黑人猛操日本美女一级片| 一区二区三区四区激情视频| 国产免费视频播放在线视频| 丝袜脚勾引网站| 国产亚洲一区二区精品| 久久久久久人妻| 一级爰片在线观看| 久久久久国产网址| 只有这里有精品99| 一边亲一边摸免费视频| 亚洲国产最新在线播放| 久久久精品区二区三区| 大又大粗又爽又黄少妇毛片口| 99精国产麻豆久久婷婷| 国产黄频视频在线观看| 91aial.com中文字幕在线观看| 亚洲伊人久久精品综合| 黑人高潮一二区| √禁漫天堂资源中文www| 丰满乱子伦码专区| av在线播放精品| 王馨瑶露胸无遮挡在线观看| 老司机亚洲免费影院| 美女视频免费永久观看网站| 国产无遮挡羞羞视频在线观看| 亚洲精品国产av蜜桃| 久久久久久久国产电影| 国产午夜精品一二区理论片| 如何舔出高潮| 久久狼人影院| 亚洲图色成人| 在线观看人妻少妇| 精品人妻在线不人妻| 精品亚洲成国产av| 国产一级毛片在线| 五月天丁香电影| 亚洲四区av| 午夜老司机福利剧场| 人妻少妇偷人精品九色| 久久精品国产亚洲网站| 免费看av在线观看网站| 建设人人有责人人尽责人人享有的| 丝袜在线中文字幕| 一边摸一边做爽爽视频免费| 嘟嘟电影网在线观看| av在线老鸭窝| 18+在线观看网站| 久久av网站| 日韩在线高清观看一区二区三区| 久久国产精品男人的天堂亚洲 | 日韩 亚洲 欧美在线| 亚洲精品第二区| 欧美精品亚洲一区二区| 免费黄频网站在线观看国产| 国产成人freesex在线| av在线观看视频网站免费| 久久久久精品久久久久真实原创| 女人精品久久久久毛片| 伦理电影免费视频| 日本爱情动作片www.在线观看| 99热这里只有是精品在线观看| 秋霞伦理黄片| 国产免费福利视频在线观看| 国产一区亚洲一区在线观看| 一本一本综合久久| 国产在线一区二区三区精| 少妇高潮的动态图| 欧美日韩视频精品一区| 国产片内射在线| 色婷婷久久久亚洲欧美| 极品少妇高潮喷水抽搐| 国产欧美日韩综合在线一区二区| 亚洲精品乱码久久久久久按摩| 亚洲美女黄色视频免费看| 日本vs欧美在线观看视频| 一边亲一边摸免费视频| 好男人视频免费观看在线| 欧美亚洲日本最大视频资源| 国产精品不卡视频一区二区| 欧美日韩一区二区视频在线观看视频在线| 亚洲国产精品一区二区三区在线| 只有这里有精品99| 菩萨蛮人人尽说江南好唐韦庄| 黑人高潮一二区| 国精品久久久久久国模美| 欧美xxⅹ黑人| 国产免费福利视频在线观看| 制服诱惑二区| 亚洲欧洲精品一区二区精品久久久 | 欧美97在线视频| 尾随美女入室| 人体艺术视频欧美日本| 久久久久精品久久久久真实原创| 成人18禁高潮啪啪吃奶动态图 | 久久精品国产亚洲av天美| 一级毛片aaaaaa免费看小| 国产免费现黄频在线看| 国产精品国产三级专区第一集| 欧美日韩精品成人综合77777| 国产国拍精品亚洲av在线观看| 王馨瑶露胸无遮挡在线观看| 日本黄色片子视频| 中文字幕久久专区| 成人免费观看视频高清| 国产 一区精品| 亚洲欧洲日产国产| 高清毛片免费看| 中文天堂在线官网| 在线观看免费高清a一片| 精品久久久噜噜| 91国产中文字幕| 王馨瑶露胸无遮挡在线观看| 午夜福利,免费看| 国产一区二区在线观看av| 亚洲国产色片| 久久久久久久久久人人人人人人| 国产高清国产精品国产三级| 97在线人人人人妻| 欧美日韩在线观看h| 成人无遮挡网站| 赤兔流量卡办理| 国产国语露脸激情在线看| 日韩亚洲欧美综合| kizo精华| 亚洲精品自拍成人| 黑人猛操日本美女一级片| 99久国产av精品国产电影| 日本91视频免费播放| 欧美最新免费一区二区三区| 少妇人妻 视频| 91在线精品国自产拍蜜月| 国产欧美日韩一区二区三区在线 | 欧美日韩在线观看h| 久久ye,这里只有精品| 熟女人妻精品中文字幕| 欧美一级a爱片免费观看看| 在线看a的网站| 日韩中文字幕视频在线看片| 免费黄网站久久成人精品| 大话2 男鬼变身卡| 99久久综合免费| 人妻 亚洲 视频| av播播在线观看一区| 精品久久久精品久久久| 18+在线观看网站| 亚洲伊人久久精品综合| 韩国av在线不卡| 尾随美女入室| av免费观看日本| 最近中文字幕高清免费大全6| 成人二区视频| 欧美人与善性xxx| 免费高清在线观看视频在线观看| 国产视频首页在线观看| 国产片特级美女逼逼视频| 男女无遮挡免费网站观看| 91久久精品电影网| 黄片播放在线免费| 免费人成在线观看视频色| 久久精品国产自在天天线| 丝袜脚勾引网站| 伦理电影大哥的女人| 日本猛色少妇xxxxx猛交久久| 纯流量卡能插随身wifi吗| 边亲边吃奶的免费视频| 免费观看无遮挡的男女| 中国美白少妇内射xxxbb| 欧美人与性动交α欧美精品济南到 | 亚州av有码| 男男h啪啪无遮挡| 国产精品久久久久久精品古装| 欧美老熟妇乱子伦牲交| 国产女主播在线喷水免费视频网站| 国产一区亚洲一区在线观看| 亚洲欧美中文字幕日韩二区| 一区二区日韩欧美中文字幕 | 日本黄色片子视频| 久久精品久久久久久久性| 国产成人午夜福利电影在线观看| 又大又黄又爽视频免费| 一级毛片我不卡| 赤兔流量卡办理| 亚洲熟女精品中文字幕| av卡一久久| 97在线人人人人妻| 制服丝袜香蕉在线| 亚洲欧洲日产国产| 欧美丝袜亚洲另类| 岛国毛片在线播放| 看非洲黑人一级黄片| 午夜福利视频精品| 岛国毛片在线播放| 欧美日韩视频精品一区| 婷婷色综合www| 18+在线观看网站| 黄片无遮挡物在线观看| 国产男女内射视频| 国产日韩欧美视频二区| 国产一区二区三区综合在线观看 | av免费观看日本| 午夜福利视频精品| 内地一区二区视频在线| 大香蕉久久网| 色婷婷av一区二区三区视频| 精品少妇黑人巨大在线播放| 我的老师免费观看完整版| 国产成人精品婷婷| 99九九在线精品视频| 久久狼人影院| 亚洲色图 男人天堂 中文字幕 | 你懂的网址亚洲精品在线观看| 又大又黄又爽视频免费| 毛片一级片免费看久久久久| 国产免费视频播放在线视频| 欧美成人午夜免费资源| 日韩,欧美,国产一区二区三区| 亚洲色图 男人天堂 中文字幕 | 欧美国产精品一级二级三级| 美女cb高潮喷水在线观看| 精品人妻一区二区三区麻豆| 成人免费观看视频高清| 桃花免费在线播放| 色婷婷久久久亚洲欧美| 久久婷婷青草| 欧美日韩在线观看h| 黄色毛片三级朝国网站| 精品人妻熟女毛片av久久网站| 少妇的逼好多水| 亚洲少妇的诱惑av| 少妇人妻久久综合中文| 成年av动漫网址| 91国产中文字幕| 午夜激情av网站| 久久国产精品大桥未久av| 日韩成人av中文字幕在线观看| 成人综合一区亚洲| 欧美亚洲 丝袜 人妻 在线| 国产精品欧美亚洲77777| 国产午夜精品久久久久久一区二区三区| av一本久久久久| 嘟嘟电影网在线观看| 欧美日韩一区二区视频在线观看视频在线| 日韩av免费高清视频| 美女cb高潮喷水在线观看| 熟妇人妻不卡中文字幕| 精品国产露脸久久av麻豆| 欧美日韩精品成人综合77777| 久久午夜福利片| 欧美成人午夜免费资源| 美女脱内裤让男人舔精品视频| 亚洲精品乱久久久久久| 精品人妻熟女av久视频| 成人亚洲精品一区在线观看| 国产男女内射视频| 久久人人爽人人片av| 久久这里有精品视频免费| 精品国产乱码久久久久久小说| 熟女人妻精品中文字幕| 成人亚洲精品一区在线观看| 18禁裸乳无遮挡动漫免费视频| 精品一区二区三区视频在线| 日韩成人伦理影院| 亚洲精品日韩在线中文字幕| 亚洲欧洲精品一区二区精品久久久 | 色94色欧美一区二区| 成人影院久久| 亚洲国产精品国产精品| 天天操日日干夜夜撸| 综合色丁香网| 精品一区二区三卡| 国产一区二区在线观看av| 国产黄色视频一区二区在线观看| 国产探花极品一区二区| 免费av中文字幕在线| 飞空精品影院首页| 国产精品一区二区在线观看99| 爱豆传媒免费全集在线观看| a级毛色黄片| 日本免费在线观看一区| 国产av国产精品国产| kizo精华| 日本vs欧美在线观看视频| 欧美日韩av久久| 女人久久www免费人成看片| 男女国产视频网站| 久久久久久久久久久丰满| 狠狠婷婷综合久久久久久88av| 日本爱情动作片www.在线观看| 久久久精品免费免费高清| 99热国产这里只有精品6| 麻豆精品久久久久久蜜桃| 精品国产露脸久久av麻豆| 亚洲,一卡二卡三卡| 久久国产精品男人的天堂亚洲 | 亚洲欧美成人综合另类久久久| 热99国产精品久久久久久7| 亚洲国产日韩一区二区| a级毛片免费高清观看在线播放| 91精品国产九色| 成年美女黄网站色视频大全免费 | 精品亚洲成a人片在线观看| 最新的欧美精品一区二区| av国产久精品久网站免费入址| 91精品三级在线观看| 日韩中文字幕视频在线看片| 午夜精品国产一区二区电影| 男女边摸边吃奶| 国产精品久久久久久精品电影小说| 看免费成人av毛片| 蜜臀久久99精品久久宅男| 久久ye,这里只有精品| 欧美丝袜亚洲另类| 日韩人妻高清精品专区| 亚洲,一卡二卡三卡| 亚洲五月色婷婷综合| 最近中文字幕2019免费版| 国产精品国产三级国产av玫瑰| 丰满少妇做爰视频| 国产欧美亚洲国产| 亚洲欧洲日产国产| 久久精品国产鲁丝片午夜精品| 日本av免费视频播放| 中文乱码字字幕精品一区二区三区| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 亚洲精品国产av成人精品| videos熟女内射| 少妇被粗大猛烈的视频| 最近2019中文字幕mv第一页| 免费高清在线观看日韩| 日韩强制内射视频| tube8黄色片| 99热网站在线观看| 久久久久久久国产电影| 国产精品成人在线| 亚洲情色 制服丝袜| 亚洲av不卡在线观看| 国产有黄有色有爽视频| 久久久久人妻精品一区果冻| 欧美亚洲日本最大视频资源| 国产男女超爽视频在线观看| 自拍欧美九色日韩亚洲蝌蚪91| 性色av一级| 美女大奶头黄色视频| videossex国产| kizo精华| 美女主播在线视频| 国产亚洲精品久久久com| 国产av一区二区精品久久| 亚洲美女黄色视频免费看| 丝袜脚勾引网站| 国产有黄有色有爽视频| 人人妻人人添人人爽欧美一区卜| 精品久久久噜噜| 日本色播在线视频| 秋霞在线观看毛片| 不卡视频在线观看欧美| 97在线视频观看| 精品人妻一区二区三区麻豆| 一区二区三区精品91| 国产在视频线精品| 边亲边吃奶的免费视频| 国产视频内射| 欧美日韩精品成人综合77777| 黑人巨大精品欧美一区二区蜜桃 | 久久青草综合色| 国产精品.久久久| 亚洲高清免费不卡视频| 亚洲第一区二区三区不卡| 久久久久精品性色| 在线观看免费日韩欧美大片 | 97超视频在线观看视频| 亚洲精品久久成人aⅴ小说 | 午夜影院在线不卡| 91久久精品国产一区二区三区| 亚洲性久久影院| 久久97久久精品| 国产男女超爽视频在线观看| 美女国产高潮福利片在线看| 超色免费av| 国产精品蜜桃在线观看| 色婷婷av一区二区三区视频| 青春草视频在线免费观看| 午夜久久久在线观看| 一区二区日韩欧美中文字幕 | 国产成人a∨麻豆精品| 在线天堂最新版资源| 中文乱码字字幕精品一区二区三区| 亚洲一区二区三区欧美精品| 久久久久久久大尺度免费视频| 日本vs欧美在线观看视频| 日日啪夜夜爽| 国产精品三级大全| 人妻一区二区av| 卡戴珊不雅视频在线播放| 色网站视频免费| 99久国产av精品国产电影| 日韩av在线免费看完整版不卡| 天堂俺去俺来也www色官网| 哪个播放器可以免费观看大片| 九九爱精品视频在线观看| 亚洲精品色激情综合| 国产av一区二区精品久久| 人人妻人人添人人爽欧美一区卜| 亚洲成人av在线免费| 亚洲av免费高清在线观看| 久久久午夜欧美精品| 女的被弄到高潮叫床怎么办| 日日撸夜夜添| 少妇的逼水好多| av在线播放精品| 精品国产一区二区三区久久久樱花| 亚洲国产色片| 国产 一区精品| 新久久久久国产一级毛片| 一级a做视频免费观看| 国产精品99久久久久久久久| 黄色毛片三级朝国网站| 久久99一区二区三区| 国产精品一二三区在线看| 亚洲美女视频黄频| 在线观看免费视频网站a站| 久久人人爽av亚洲精品天堂| 夫妻性生交免费视频一级片| 熟女人妻精品中文字幕| 国产一区二区在线观看日韩| 午夜影院在线不卡| 9色porny在线观看| 99国产综合亚洲精品| 午夜激情av网站| 69精品国产乱码久久久| 亚洲第一av免费看| 在线观看美女被高潮喷水网站| 久久国产精品大桥未久av| 人妻少妇偷人精品九色| 久久精品国产自在天天线| 午夜影院在线不卡| 久久人人爽av亚洲精品天堂| 国产av码专区亚洲av| 亚洲欧美日韩另类电影网站| 亚洲av成人精品一二三区| 国产一区有黄有色的免费视频| 日韩强制内射视频| 欧美最新免费一区二区三区| 狂野欧美白嫩少妇大欣赏| 国产极品粉嫩免费观看在线 | 国产伦精品一区二区三区视频9| 男女无遮挡免费网站观看| 日韩成人av中文字幕在线观看| 在线天堂最新版资源| 麻豆乱淫一区二区| 色婷婷av一区二区三区视频| 国产成人午夜福利电影在线观看| 99久久综合免费| 天天躁夜夜躁狠狠久久av| 女的被弄到高潮叫床怎么办| 欧美精品国产亚洲| 日韩,欧美,国产一区二区三区| 亚洲av免费高清在线观看| 欧美日韩在线观看h| 少妇精品久久久久久久| 欧美日韩视频高清一区二区三区二| 精品国产露脸久久av麻豆| 一级黄片播放器| 菩萨蛮人人尽说江南好唐韦庄| 欧美变态另类bdsm刘玥| 美女内射精品一级片tv| 一级,二级,三级黄色视频| 18禁动态无遮挡网站| 久久久国产一区二区| 亚洲国产日韩一区二区| a级毛片黄视频| 最黄视频免费看| 美女中出高潮动态图| 一区二区三区四区激情视频| 成人毛片60女人毛片免费| 国产一级毛片在线| 又粗又硬又长又爽又黄的视频| 精品人妻熟女毛片av久久网站| 免费日韩欧美在线观看| 日本av免费视频播放| 在线观看一区二区三区激情| 青青草视频在线视频观看| 国产精品久久久久久久电影| 超碰97精品在线观看| 黑人高潮一二区| 国产探花极品一区二区| a级毛片黄视频| 国产极品粉嫩免费观看在线 | 日韩大片免费观看网站| 伦精品一区二区三区| 亚洲四区av| 69精品国产乱码久久久| 一级毛片aaaaaa免费看小| 国产免费视频播放在线视频| 亚洲精品乱码久久久久久按摩| 国产在线一区二区三区精| 久久午夜综合久久蜜桃| av.在线天堂| 91精品国产九色| 亚洲内射少妇av| 性高湖久久久久久久久免费观看| 97精品久久久久久久久久精品| www.色视频.com| 国产伦理片在线播放av一区| 大香蕉97超碰在线| 成人黄色视频免费在线看| 男人添女人高潮全过程视频| 91久久精品国产一区二区成人| av网站免费在线观看视频| 丝瓜视频免费看黄片| 狂野欧美激情性xxxx在线观看| 九九在线视频观看精品| 欧美亚洲日本最大视频资源| 亚洲内射少妇av| 久久女婷五月综合色啪小说| 99热这里只有是精品在线观看| 日韩中文字幕视频在线看片| 黄色一级大片看看| 97精品久久久久久久久久精品| 一级毛片 在线播放| 欧美人与善性xxx| 男人爽女人下面视频在线观看| 少妇丰满av| 亚洲精华国产精华液的使用体验| 精品久久久精品久久久| 亚洲熟女精品中文字幕| 99久久精品一区二区三区| 99久久综合免费| 一区二区三区精品91| 一级爰片在线观看| 一区二区三区四区激情视频| 日韩人妻高清精品专区| 中文字幕人妻熟人妻熟丝袜美| 99re6热这里在线精品视频| 午夜老司机福利剧场| 日本色播在线视频| 考比视频在线观看| 婷婷色综合www| 欧美bdsm另类| 亚洲精品一二三| 国产精品熟女久久久久浪| 搡女人真爽免费视频火全软件|