• <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
    欧美成人免费av一区二区三区 | 亚洲精品自拍成人| 国产精品久久久av美女十八| 亚洲欧美激情在线| 亚洲精品久久午夜乱码| 欧美久久黑人一区二区| 啦啦啦中文免费视频观看日本| 中文字幕最新亚洲高清| www.熟女人妻精品国产| 制服人妻中文乱码| 国产精品一区二区免费欧美| 亚洲精品久久午夜乱码| netflix在线观看网站| av电影中文网址| 不卡av一区二区三区| 热99国产精品久久久久久7| 国产精品久久久久久精品电影小说| 色老头精品视频在线观看| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲五月婷婷丁香| 一级,二级,三级黄色视频| 又大又爽又粗| 国产av又大| 亚洲天堂av无毛| 无人区码免费观看不卡 | 亚洲全国av大片| 自线自在国产av| 新久久久久国产一级毛片| 新久久久久国产一级毛片| 日韩 欧美 亚洲 中文字幕| 国产淫语在线视频| 久久国产精品男人的天堂亚洲| av视频免费观看在线观看| 国产91精品成人一区二区三区 | 亚洲精品国产色婷婷电影| 久久国产精品人妻蜜桃| 国精品久久久久久国模美| 国产成+人综合+亚洲专区| www日本在线高清视频| 国产精品国产高清国产av | 国产成人欧美| 精品亚洲乱码少妇综合久久| 国产成+人综合+亚洲专区| 亚洲情色 制服丝袜| 亚洲欧美日韩高清在线视频 | 1024香蕉在线观看| 国产在线视频一区二区| 叶爱在线成人免费视频播放| 欧美精品人与动牲交sv欧美| 1024视频免费在线观看| 麻豆国产av国片精品| 人人妻人人澡人人看| 国产精品秋霞免费鲁丝片| 日本撒尿小便嘘嘘汇集6| av网站在线播放免费| www.精华液| 久久国产精品人妻蜜桃| 国产99久久九九免费精品| 在线观看舔阴道视频| 99国产精品一区二区三区| 热99国产精品久久久久久7| 国产精品1区2区在线观看. | 欧美日韩精品网址| 亚洲精品久久午夜乱码| 啦啦啦在线免费观看视频4| 丝袜美足系列| 国产成人av教育| 国产欧美日韩综合在线一区二区| 又大又爽又粗| 嫁个100分男人电影在线观看| 国产色视频综合| 久久香蕉激情| 黄色片一级片一级黄色片| 国产成人免费观看mmmm| av又黄又爽大尺度在线免费看| 婷婷丁香在线五月| 伦理电影免费视频| 久久人人爽av亚洲精品天堂| 国精品久久久久久国模美| 欧美日韩国产mv在线观看视频| 又黄又粗又硬又大视频| 亚洲一区中文字幕在线| 黄色成人免费大全| 国产精品久久久久久精品古装| 国产精品影院久久| tube8黄色片| 精品人妻在线不人妻| 国产精品久久久人人做人人爽| 国产伦理片在线播放av一区| 欧美日韩中文字幕国产精品一区二区三区 | 搡老乐熟女国产| 国产精品一区二区在线不卡| 国精品久久久久久国模美| 欧美人与性动交α欧美软件| 一边摸一边抽搐一进一出视频| 999精品在线视频| 精品亚洲成a人片在线观看| 久久亚洲精品不卡| 老汉色av国产亚洲站长工具| 免费高清在线观看日韩| 18禁美女被吸乳视频| 亚洲精品自拍成人| 精品国产乱码久久久久久小说| 中文字幕色久视频| 久久热在线av| 亚洲国产欧美网| 激情在线观看视频在线高清 | 侵犯人妻中文字幕一二三四区| av免费在线观看网站| 亚洲欧美日韩另类电影网站| 成人av一区二区三区在线看| 少妇精品久久久久久久| 久热这里只有精品99| 国产三级黄色录像| 99国产综合亚洲精品| 色精品久久人妻99蜜桃| 免费观看a级毛片全部| 99久久国产精品久久久| 午夜激情久久久久久久| 国产精品电影一区二区三区 | 成人精品一区二区免费| 精品久久久精品久久久| 曰老女人黄片| 精品国产亚洲在线| 女人被躁到高潮嗷嗷叫费观| 嫩草影视91久久| 日本欧美视频一区| 一二三四社区在线视频社区8| 成人亚洲精品一区在线观看| 51午夜福利影视在线观看| 国产精品偷伦视频观看了| 日本一区二区免费在线视频| 国产激情久久老熟女| 日本av手机在线免费观看| 王馨瑶露胸无遮挡在线观看| 黄色视频在线播放观看不卡| 婷婷成人精品国产| 日韩成人在线观看一区二区三区| a级片在线免费高清观看视频| 天天添夜夜摸| 亚洲黑人精品在线| 久久久国产成人免费| 大片电影免费在线观看免费| 黄色毛片三级朝国网站| 国产精品99久久99久久久不卡| 韩国精品一区二区三区| 国产91精品成人一区二区三区 | 91精品国产国语对白视频| 老司机深夜福利视频在线观看| 一区二区三区激情视频| 男女午夜视频在线观看| 蜜桃在线观看..| 久久中文字幕一级| 亚洲人成电影观看| 久久这里只有精品19| 久久人人爽av亚洲精品天堂| 亚洲午夜理论影院| 亚洲三区欧美一区| 国产野战对白在线观看| 亚洲av美国av| 啪啪无遮挡十八禁网站| 国产国语露脸激情在线看| 男女高潮啪啪啪动态图| 亚洲一区中文字幕在线| 麻豆成人av在线观看| 十八禁高潮呻吟视频| 久久久水蜜桃国产精品网| 国产黄色免费在线视频| 操美女的视频在线观看| 大片免费播放器 马上看| 飞空精品影院首页| 精品福利观看| 啦啦啦免费观看视频1| 亚洲久久久国产精品| 这个男人来自地球电影免费观看| 一区在线观看完整版| 欧美另类亚洲清纯唯美| 在线播放国产精品三级| 亚洲专区字幕在线| 久久久久久久大尺度免费视频| 国产精品香港三级国产av潘金莲| 欧美日韩中文字幕国产精品一区二区三区 | 777久久人妻少妇嫩草av网站| 国产深夜福利视频在线观看| 久久av网站| 母亲3免费完整高清在线观看| 日本vs欧美在线观看视频| 国产成人av激情在线播放| 岛国在线观看网站| 嫩草影视91久久| 久久久水蜜桃国产精品网| 久久久久久久久久久久大奶| 免费不卡黄色视频| 免费在线观看日本一区| 女同久久另类99精品国产91| 精品一区二区三卡| 国产成人精品在线电影| 一区在线观看完整版| 搡老乐熟女国产| 老司机在亚洲福利影院| 亚洲国产毛片av蜜桃av| 天天添夜夜摸| 视频区图区小说| 久久久久久久久免费视频了| 欧美精品亚洲一区二区| videos熟女内射| 欧美激情极品国产一区二区三区| 制服诱惑二区| 丰满人妻熟妇乱又伦精品不卡| 两性午夜刺激爽爽歪歪视频在线观看 | 欧美亚洲日本最大视频资源| 一区二区日韩欧美中文字幕| 男女之事视频高清在线观看| 成人国产av品久久久| 亚洲av成人不卡在线观看播放网| 久久av网站| 最近最新免费中文字幕在线| 777米奇影视久久| 久久精品亚洲精品国产色婷小说| av线在线观看网站| 久久久水蜜桃国产精品网| 欧美日韩成人在线一区二区| 欧美日韩亚洲国产一区二区在线观看 | 狠狠婷婷综合久久久久久88av| 亚洲国产av新网站| 免费在线观看日本一区| 不卡一级毛片| 午夜福利乱码中文字幕| 国产福利在线免费观看视频| 少妇的丰满在线观看| 在线观看舔阴道视频| 丝袜在线中文字幕| 深夜精品福利| 成年人黄色毛片网站| 丰满迷人的少妇在线观看| 成年人午夜在线观看视频| 亚洲美女黄片视频| 亚洲精品国产精品久久久不卡| 99精品久久久久人妻精品| 日日夜夜操网爽| 国产高清视频在线播放一区| 午夜福利,免费看| 亚洲人成电影观看| 国产一区二区 视频在线| 久久久精品区二区三区| 一二三四社区在线视频社区8| 久久午夜亚洲精品久久| 黄色a级毛片大全视频| 亚洲精品中文字幕在线视频| 一二三四社区在线视频社区8| 这个男人来自地球电影免费观看| √禁漫天堂资源中文www| 欧美精品亚洲一区二区| 午夜福利乱码中文字幕| 国产精品久久久久久人妻精品电影 | 亚洲中文日韩欧美视频| 日韩中文字幕欧美一区二区| 久久久精品免费免费高清| 欧美精品人与动牲交sv欧美| 国产亚洲午夜精品一区二区久久| 欧美激情久久久久久爽电影 | 人人妻人人澡人人爽人人夜夜| 99久久国产精品久久久| 久久 成人 亚洲| 三上悠亚av全集在线观看| 亚洲中文av在线| 菩萨蛮人人尽说江南好唐韦庄| 久久精品国产综合久久久| 女人高潮潮喷娇喘18禁视频| 俄罗斯特黄特色一大片| 国产成人欧美在线观看 | 日本黄色日本黄色录像| tocl精华| 国产免费视频播放在线视频| 99久久人妻综合| 欧美日韩亚洲综合一区二区三区_| 日韩一卡2卡3卡4卡2021年| 在线观看舔阴道视频| 欧美精品高潮呻吟av久久| 亚洲精品自拍成人| 欧美日韩亚洲国产一区二区在线观看 | 丝袜人妻中文字幕| 国产片内射在线| 亚洲三区欧美一区| 捣出白浆h1v1| 一进一出抽搐动态| 国产成人精品久久二区二区免费| 巨乳人妻的诱惑在线观看| 桃红色精品国产亚洲av| 国产av国产精品国产| 在线亚洲精品国产二区图片欧美| videosex国产| 最新在线观看一区二区三区| 一边摸一边抽搐一进一出视频| 亚洲精品一二三| 99热国产这里只有精品6| 欧美人与性动交α欧美软件| 国产淫语在线视频| 桃红色精品国产亚洲av| 久久国产精品人妻蜜桃| 纯流量卡能插随身wifi吗| 亚洲人成77777在线视频| e午夜精品久久久久久久| 水蜜桃什么品种好| 国产亚洲欧美在线一区二区| 亚洲免费av在线视频| 亚洲一区中文字幕在线| 黄片小视频在线播放| 午夜老司机福利片| 日韩免费高清中文字幕av| 久热这里只有精品99| 中文字幕人妻熟女乱码| 咕卡用的链子| 久久精品国产亚洲av香蕉五月 | 国产精品偷伦视频观看了| 国产亚洲精品一区二区www | 99re6热这里在线精品视频| 亚洲人成伊人成综合网2020| 我要看黄色一级片免费的| 另类亚洲欧美激情| 免费观看a级毛片全部| 一区二区三区乱码不卡18| 80岁老熟妇乱子伦牲交| 麻豆国产av国片精品| 午夜福利影视在线免费观看| 亚洲精品久久成人aⅴ小说| 欧美亚洲 丝袜 人妻 在线| xxxhd国产人妻xxx| 丁香六月天网| 亚洲一区二区三区欧美精品| 国精品久久久久久国模美| 亚洲国产毛片av蜜桃av| 亚洲一区二区三区欧美精品| 亚洲精品av麻豆狂野| 丁香欧美五月| 日本av免费视频播放| 欧美乱码精品一区二区三区| 80岁老熟妇乱子伦牲交| 亚洲熟女精品中文字幕| 国产成人精品久久二区二区免费| 波多野结衣av一区二区av| 这个男人来自地球电影免费观看| 久久国产亚洲av麻豆专区| 精品国产一区二区三区四区第35| 成人手机av| 午夜福利视频精品| 国产淫语在线视频| 如日韩欧美国产精品一区二区三区| 大片免费播放器 马上看| 亚洲第一av免费看| 免费看十八禁软件| 亚洲国产欧美网| 人妻 亚洲 视频| 最黄视频免费看| 天天躁日日躁夜夜躁夜夜| 91麻豆精品激情在线观看国产 | 美女高潮到喷水免费观看| 国产精品久久电影中文字幕 | 欧美国产精品va在线观看不卡| 黄片小视频在线播放| 亚洲成a人片在线一区二区| 女同久久另类99精品国产91| 成人亚洲精品一区在线观看| 午夜久久久在线观看| 欧美+亚洲+日韩+国产| 电影成人av| 亚洲成人手机| 国产精品久久久人人做人人爽| 国产麻豆69| 黑人巨大精品欧美一区二区mp4| 人人妻人人澡人人爽人人夜夜| 国产精品 欧美亚洲| 97在线人人人人妻| 亚洲av国产av综合av卡| 午夜日韩欧美国产| 久久毛片免费看一区二区三区| 国产欧美日韩综合在线一区二区| 亚洲一区中文字幕在线| 十八禁网站免费在线| 久久久久国产一级毛片高清牌| 亚洲精品在线美女| 91av网站免费观看| 天堂8中文在线网| 日本欧美视频一区| 国产欧美日韩一区二区精品| 欧美人与性动交α欧美软件| 人妻一区二区av| 大片电影免费在线观看免费| 老司机靠b影院| 欧美精品人与动牲交sv欧美| 日日摸夜夜添夜夜添小说| av欧美777| 久久这里只有精品19| 老熟妇乱子伦视频在线观看| 亚洲精品美女久久av网站| 欧美一级毛片孕妇| 亚洲精品国产区一区二| 国产福利在线免费观看视频| 一级毛片精品| 两个人免费观看高清视频| 国产97色在线日韩免费| 午夜两性在线视频| 国产精品自产拍在线观看55亚洲 | 免费av中文字幕在线| 国产深夜福利视频在线观看| 日韩人妻精品一区2区三区| 亚洲中文日韩欧美视频| 精品视频人人做人人爽| 免费在线观看黄色视频的| 两性夫妻黄色片| 精品国产国语对白av| 国产不卡av网站在线观看| 91麻豆av在线| 欧美+亚洲+日韩+国产| 成人手机av| 亚洲va日本ⅴa欧美va伊人久久| 欧美日本中文国产一区发布| 大片电影免费在线观看免费| 大型黄色视频在线免费观看| 老鸭窝网址在线观看| 一本久久精品| 国产91精品成人一区二区三区 | 一边摸一边做爽爽视频免费| 成在线人永久免费视频| 黄色怎么调成土黄色| 国产主播在线观看一区二区| 国产区一区二久久| 欧美 日韩 精品 国产| 午夜福利在线观看吧| 一本大道久久a久久精品| 久久久水蜜桃国产精品网| 成人三级做爰电影| 亚洲国产欧美日韩在线播放| 69av精品久久久久久 | 免费在线观看完整版高清| 免费av中文字幕在线| 最新美女视频免费是黄的| 韩国精品一区二区三区| 丝袜人妻中文字幕| 国产精品熟女久久久久浪| 国产男女超爽视频在线观看| 久久人妻av系列| 亚洲国产看品久久| 国产极品粉嫩免费观看在线| 女同久久另类99精品国产91| 男女免费视频国产| 咕卡用的链子| 日韩熟女老妇一区二区性免费视频| 久久久精品94久久精品| 极品少妇高潮喷水抽搐| 日本av免费视频播放| 国产精品免费视频内射| 精品免费久久久久久久清纯 | 天天躁日日躁夜夜躁夜夜| 国产欧美日韩精品亚洲av| www.熟女人妻精品国产| 亚洲欧美色中文字幕在线| 久9热在线精品视频| 亚洲欧美激情在线| 人成视频在线观看免费观看| 亚洲自偷自拍图片 自拍| 午夜福利免费观看在线| 9色porny在线观看| 国产av一区二区精品久久| 欧美日韩亚洲国产一区二区在线观看 | 国产精品亚洲av一区麻豆| 黑人巨大精品欧美一区二区蜜桃| 久久九九热精品免费| 欧美精品亚洲一区二区| 欧美激情高清一区二区三区| 日日夜夜操网爽| 午夜福利,免费看| 国产片内射在线| 日韩视频在线欧美| 国产成人欧美在线观看 | 极品少妇高潮喷水抽搐| 日本一区二区免费在线视频| 精品国产超薄肉色丝袜足j| 国产成人精品久久二区二区91| 搡老熟女国产l中国老女人| 国产三级黄色录像| 黄色怎么调成土黄色| 亚洲精品一二三| 成人18禁在线播放| 国产精品久久久av美女十八| 两人在一起打扑克的视频| av线在线观看网站| 国产极品粉嫩免费观看在线| 久久婷婷成人综合色麻豆| 黄片大片在线免费观看| 黄色视频在线播放观看不卡| 天堂中文最新版在线下载| 亚洲av成人一区二区三| 老汉色av国产亚洲站长工具| 国产aⅴ精品一区二区三区波| 国产不卡一卡二| 亚洲综合色网址| 国产又色又爽无遮挡免费看| 少妇的丰满在线观看| 亚洲伊人色综图| 国产麻豆69| 欧美日韩亚洲高清精品| 久9热在线精品视频| 另类精品久久| 一级片免费观看大全| 欧美日韩精品网址| 亚洲一码二码三码区别大吗| 欧美国产精品va在线观看不卡| 18禁美女被吸乳视频| 99九九在线精品视频| 日韩熟女老妇一区二区性免费视频| 国产高清国产精品国产三级| 午夜福利乱码中文字幕| 美女扒开内裤让男人捅视频| 国产在线观看jvid| 中文字幕色久视频| 波多野结衣av一区二区av| 国产97色在线日韩免费| 亚洲 国产 在线| 女警被强在线播放| 三上悠亚av全集在线观看| 欧美人与性动交α欧美精品济南到| 黄色成人免费大全| 亚洲av欧美aⅴ国产| 曰老女人黄片| av网站免费在线观看视频| 久久久久网色| 欧美在线一区亚洲| www日本在线高清视频| 中文字幕人妻丝袜制服| 一本大道久久a久久精品| 日本a在线网址| 国产精品熟女久久久久浪| 亚洲av日韩在线播放| 下体分泌物呈黄色| 99国产精品一区二区蜜桃av | a级毛片黄视频| 欧美精品人与动牲交sv欧美| 成年版毛片免费区| 母亲3免费完整高清在线观看| 久久国产精品影院| 视频在线观看一区二区三区| 亚洲精品成人av观看孕妇| 国产成人影院久久av| 久久久精品区二区三区| 波多野结衣一区麻豆| 12—13女人毛片做爰片一| 99精品久久久久人妻精品| 午夜精品国产一区二区电影| 欧美日韩一级在线毛片| 18禁观看日本| 99久久国产精品久久久| 伊人久久大香线蕉亚洲五| 亚洲国产av影院在线观看| 精品亚洲乱码少妇综合久久| 免费不卡黄色视频| 天天躁狠狠躁夜夜躁狠狠躁| av片东京热男人的天堂| 免费黄频网站在线观看国产| 国产成人欧美在线观看 | 搡老岳熟女国产| 极品人妻少妇av视频| 乱人伦中国视频| 成人国产av品久久久| 久久精品亚洲av国产电影网| 亚洲精品在线美女| 精品熟女少妇八av免费久了| 亚洲国产成人一精品久久久| 无人区码免费观看不卡 | 菩萨蛮人人尽说江南好唐韦庄| 亚洲少妇的诱惑av| 狂野欧美激情性xxxx| 亚洲国产看品久久| 夜夜夜夜夜久久久久| 日韩欧美国产一区二区入口| 两人在一起打扑克的视频| 在线观看一区二区三区激情| 老司机福利观看| 久久天堂一区二区三区四区| 淫妇啪啪啪对白视频| 亚洲精品粉嫩美女一区| 精品卡一卡二卡四卡免费| 国产亚洲精品久久久久5区| 曰老女人黄片| 嫁个100分男人电影在线观看| 一区二区三区激情视频| 久9热在线精品视频| 韩国精品一区二区三区| 亚洲精品乱久久久久久| 午夜福利欧美成人| 久久ye,这里只有精品| 一本一本久久a久久精品综合妖精| 黄片播放在线免费| 日本黄色日本黄色录像| 国产成人免费无遮挡视频| av有码第一页| 成人永久免费在线观看视频 | 亚洲自偷自拍图片 自拍| 老鸭窝网址在线观看| 国产精品久久久久久精品古装| 一区二区av电影网| 国产日韩欧美亚洲二区| 成人三级做爰电影| 日韩欧美一区二区三区在线观看 | 日韩一卡2卡3卡4卡2021年| 国产精品麻豆人妻色哟哟久久| 国产精品免费大片| 国产精品国产av在线观看| av国产精品久久久久影院| 国产免费现黄频在线看| 久久精品亚洲精品国产色婷小说| 亚洲av日韩在线播放| 久久国产精品影院| 99香蕉大伊视频| 丝袜喷水一区|