• <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 ?

    基于深度學(xué)習(xí)的線損異常診斷系統(tǒng)研究

    2023-12-04 15:06:58張恒超沈秋英李蘇芙蔡嘉輝呂自貴
    農(nóng)村電氣化 2023年11期
    關(guān)鍵詞:臺(tái)區(qū)用電樣本

    張恒超 ,沈秋英 ,沈 杰 ,李蘇芙 ,范 彪 ,王 琨 ,蔡嘉輝 ,呂自貴

    (1. 國網(wǎng)江蘇省電力有限公司蘇州供電分公司,江蘇 蘇州 215004; 2. 江南大學(xué)機(jī)械工程學(xué)院,江蘇 無錫 214122; 3. 江蘇集萃智能制造技術(shù)研究所有限公司,江蘇 南京 210000)

    0 引言

    引發(fā)線損異常的因素復(fù)雜多變,高效迅捷的分析、定位并解決線損異常的技術(shù)難度大,不能妥善處理則會(huì)降低臺(tái)區(qū)運(yùn)行的經(jīng)濟(jì)性和穩(wěn)定性[1-2]?,F(xiàn)有的用電檢查技術(shù)主要采用人工輔以部分設(shè)備作業(yè)的現(xiàn)場檢測方式,但往往成本高效率低,準(zhǔn)確率難以保證,開發(fā)一種高效、精準(zhǔn)的竊電偵測技術(shù)對提升電網(wǎng)的穩(wěn)定性與安全性起著重要的促進(jìn)作用。

    臺(tái)區(qū)線損異常處理方法有:系統(tǒng)診斷、人工研判、現(xiàn)場排查、采集排查、竊電及違約用電排查和常態(tài)運(yùn)行監(jiān)控。眾多研究人員對臺(tái)區(qū)線損異常處理進(jìn)行了研究,施文[3]等人探究了臺(tái)區(qū)線損的形成原因,提出了具體問題的解決方法,然而在對如何進(jìn)行閉環(huán)線損治理上并未提出見解。邢毓卿[4]等人通過專家系統(tǒng)建立臺(tái)區(qū)線損診斷模型,實(shí)現(xiàn)了對臺(tái)區(qū)線損的異常原因的分析,但在線損異常診斷模型的準(zhǔn)確性上還可以有進(jìn)一步提升。

    其中,竊電作為線損異常的重要因素,給電力行業(yè)造成了巨大損失[5]。在美國,每年因電力盜竊造成的損失數(shù)以億計(jì)。傳統(tǒng)的竊電檢測方法成本過高,為解決這個(gè)困境,亟須研究一種迅速、精確的竊電檢測方法。近年來,深度學(xué)習(xí)作為實(shí)現(xiàn)人工智能的關(guān)鍵技術(shù)在多個(gè)領(lǐng)域中迅猛發(fā)展。本文依托海量的電力數(shù)據(jù),提出了基于DenseNet 算法的檢測模型。臺(tái)區(qū)線損異常包括關(guān)口計(jì)量裝置故障、竊電、用戶計(jì)量裝置異常、戶變關(guān)系異常等問題,采用經(jīng)驗(yàn)知識(shí)的方法進(jìn)行判斷[6-7]。

    所開發(fā)的系統(tǒng)軟件包含用電采集失敗查詢模塊、任意或連續(xù)日期線損臺(tái)區(qū)查詢模塊、竊電檢測模塊、計(jì)量系統(tǒng)診斷模塊、戶變關(guān)系錯(cuò)誤診斷模塊。從數(shù)據(jù)分析、線損異常診斷、閉環(huán)管理方面,實(shí)現(xiàn)全方位的線損診斷與管控。

    1 系統(tǒng)功能結(jié)構(gòu)設(shè)計(jì)

    本系統(tǒng)以C#和python 作為主要的開發(fā)語言。經(jīng)了解,電網(wǎng)業(yè)務(wù)人員和客戶端多選用Windows 系統(tǒng)作為操作系統(tǒng),而WinForm 框架能夠?yàn)殚_發(fā)者提供多元美觀的窗體控件,開發(fā)效率高且操作簡單,且開發(fā)界面可以達(dá)到良好的可視化效果。據(jù)此,本文的系統(tǒng)開發(fā)將在Windows 窗體的基礎(chǔ)上,使用框架WinForm,利用C#編程語言完成。以國家電網(wǎng)某供電公司所提供的線損相關(guān)歷史用電數(shù)據(jù)為數(shù)據(jù)來源,按照電力行業(yè)的現(xiàn)行標(biāo)準(zhǔn)和規(guī)范,實(shí)現(xiàn)供電公司要求的功能,設(shè)計(jì)開發(fā)出的線損異常診斷系統(tǒng)的功能結(jié)構(gòu)圖如圖1 所示,由臺(tái)區(qū)線損異常診斷模塊和閉環(huán)管理模塊兩個(gè)模塊組成。

    圖1 功能結(jié)構(gòu)圖

    線損異常臺(tái)區(qū)查詢模塊由統(tǒng)計(jì)線損率考核閾值設(shè)置、單日線損異常臺(tái)區(qū)查詢以及多日線損異常臺(tái)區(qū)查詢3 個(gè)部分組成。該模塊的實(shí)現(xiàn)是基于目前收集到的臺(tái)區(qū)線損與電力歷史數(shù)據(jù),在設(shè)定好并將上述數(shù)據(jù)經(jīng)過相應(yīng)的邏輯算法運(yùn)算后,搜索并篩選出單日或多日內(nèi)的臺(tái)區(qū)線損異常信息,將這些臺(tái)區(qū)線損異常信息加以存儲(chǔ)。

    閉環(huán)管理模塊的主要功能是將診斷出的線損異常狀況通過電腦客戶端或者手機(jī)App 及時(shí)發(fā)送給檢修人員,以提升電力維修工作的效率。

    2 基于深度學(xué)習(xí)的竊電檢測模型訓(xùn)練與應(yīng)用

    為了彌補(bǔ)當(dāng)前常見竊電診斷方式的不足,首先在用戶用電數(shù)據(jù)的基礎(chǔ)上分析用戶的用電行為,提出一種基于DenseNet-RF 的竊電檢測算法,利用供電企業(yè)提供的大量電力數(shù)據(jù)進(jìn)行模型訓(xùn)練,將訓(xùn)練得到的模型與常見的用戶竊電模型作比較,驗(yàn)證提出的竊電檢測模型預(yù)測是否準(zhǔn)確,并對除此之外的導(dǎo)致線損異常的原因與其相對應(yīng)的線損異常情況進(jìn)行分析,得到其它不同的線損異常原因,提出相應(yīng)的線損異常檢測方法,最終形成完整的線損異常診斷流程。

    2.1 數(shù)據(jù)預(yù)處理

    在電網(wǎng)業(yè)務(wù)場景中,很難獲得學(xué)術(shù)上的標(biāo)準(zhǔn)數(shù)據(jù)集。從國家電網(wǎng)某供電公司收集到用電竊電數(shù)據(jù)正反樣本數(shù)量比約為10∶1,以用戶每15 min 的采集頻率記錄用電量情況作為數(shù)據(jù)來源。數(shù)據(jù)集包含臺(tái)區(qū)用戶每日用電量、合同容量以及作為標(biāo)簽的用戶狀態(tài)。將正類1 作為竊電用戶,負(fù)類0 作為正常用戶。大量的客戶用電數(shù)據(jù),為本文研究竊電檢測提供了可靠的數(shù)據(jù)保障。

    不平衡的數(shù)據(jù)集會(huì)引發(fā)過擬合的問題,導(dǎo)致預(yù)測結(jié)果向樣本占比大的類別偏移,使得模型的泛化能力弱化。為解決這個(gè)問題,首先采用文獻(xiàn)提出的樣本生成方法生成更多的竊電數(shù)據(jù),同時(shí)采用SMOTE 算法平衡數(shù)據(jù)集當(dāng)中的正常用電樣本數(shù)量和疑似竊電樣本數(shù)量。

    此外,為加快網(wǎng)絡(luò)收斂,對用電數(shù)據(jù)作歸一化處理。

    式中:max(e)、min(e)分別為樣本最大值和最小值;et為總體樣本里某一值。

    通過數(shù)據(jù)預(yù)處理得到同等數(shù)量的正常樣本和竊電樣本共10 000 個(gè)。每次訓(xùn)練時(shí),隨機(jī)抽取其中的8 000 個(gè)樣本數(shù)據(jù)為訓(xùn)練集,其中的2 000 個(gè)樣本數(shù)據(jù)為測試集。

    2.2 DenseNet 算法

    DenseNet 是由黃高博士等設(shè)計(jì)的一種網(wǎng)絡(luò)結(jié)構(gòu),由Dense Block 和Transition Layer 兩個(gè)單元組成。其中,Dense Block 的各層與之后的各層密集連接,2 個(gè)Dense Block 之間通過Transition Layer 連接[8],設(shè)Dense Block 中有i層特征圖層,第i層的輸出記作Xi,第i層的非線性映射記作Hi,Dense Block中包含的密集連接數(shù)目為i×(i+1)/2 ,

    式中:Xi=H([Xi-1,Xi-2,···,X1,X0]) 為將第0 層至第i層的輸出根據(jù)通道數(shù)作合并級聯(lián),H() 得到圖層經(jīng)過批量標(biāo)準(zhǔn)化(batch normalization, BN)、激活函數(shù)(rectified linear unit, RELU)、卷積操作(convolution,Conv)等操作以后的輸出。通過合并級聯(lián)可以把卷積操作得到的特征數(shù)據(jù)合并,在進(jìn)行訓(xùn)練時(shí)提高初始特征,進(jìn)而提升圖層使用率和模型分析的精度。層與層間通過Concatenation 連接,Dense Block 結(jié)構(gòu)如圖2 所示。

    圖2 Dense Block 示意圖

    2.3 基于DenseNet 的竊電檢測模型訓(xùn)練流程

    竊電檢測模型訓(xùn)練基本流程為:首先通過DenseNet 網(wǎng)絡(luò),從智能電測指示儀表數(shù)據(jù)集中獲取得到用戶的電能特性,接著再利用RF 算法使用所獲得的特性參數(shù)訓(xùn)練分類器,然后通過網(wǎng)格搜索算法對特性參數(shù)進(jìn)行優(yōu)選,由此實(shí)現(xiàn)了對隨機(jī)森林分類器的最優(yōu)預(yù)測選擇,進(jìn)而找出疑似竊電行為。模型的輸入為實(shí)際用戶用電數(shù)據(jù),而輸出則為疑似竊電用戶。模型訓(xùn)練流程圖如圖3 所示,其中帶訓(xùn)練網(wǎng)絡(luò)的配置信息如表1 所示,其中k代表特征圖層的增長速率。

    表1 DenseNet 及CNN 網(wǎng)絡(luò)參數(shù)配置信息表

    圖3 模型訓(xùn)練流程圖

    竊電檢測模型訓(xùn)練的具體實(shí)現(xiàn)流程如下。

    數(shù)據(jù)預(yù)處理:利用SMOTE 算法,保證得到同樣數(shù)量的正常樣本和竊電樣本,共計(jì)12 096 個(gè)。對全部樣本數(shù)據(jù)作了歸一化處理,隨機(jī)抽取其中的10 000 個(gè)數(shù)據(jù)樣本為訓(xùn)練集,抽取其中的2 096 個(gè)數(shù)據(jù)樣本為測試集。所有用戶電力能耗矩陣的維數(shù)均為534 × 48。

    配置網(wǎng)絡(luò)模型:分別通過RF、XGBoost(extreme gradient boosting)和梯度提升樹(gradient boosting decision tree,GBDT)等機(jī)器學(xué)習(xí)算法來訓(xùn)練用戶竊電檢測模型,根據(jù)表1 中的配置參數(shù)訓(xùn)練WDNet、自定義CNN、DenseNet 等用戶竊電檢測模型。

    訓(xùn)練過程:利用矩陣變換,讓用戶電力能耗矩陣適應(yīng)于各種算法的特征輸入,包括訓(xùn)練機(jī)器學(xué)習(xí)模型時(shí)調(diào)用scikit-learn 中的算法函數(shù),通過網(wǎng)格搜索算法確定最佳參數(shù),最終輸出相應(yīng)的模型;自定義CNN 的訓(xùn)練過程中首先將矩陣增維至1 × 534 ×48,接著再進(jìn)行網(wǎng)絡(luò)構(gòu)建,最終通過全連接層完成分類,將分類結(jié)果通過向量的歸一化分析后在Softmax 層輸出具體類別。分別構(gòu)建DenseNet-121、DenseNet-169 和DenseNet-201(k=32)三種網(wǎng)絡(luò),為更好地適應(yīng)DenseNet 網(wǎng)絡(luò)的輸入尺寸,需要先把輸入的用戶電力能耗矩陣維數(shù)變換為1 × 178 × 144,在構(gòu)建模型前應(yīng)當(dāng)先做一次卷積操作以提取圖層特征,做一次池化操作對圖層尺寸進(jìn)行壓縮,接著按照表1 中的配置參數(shù)構(gòu)造Dense Block 和Transition Layer 兩個(gè)部分。其中,Dense Block 的作用主要是促進(jìn)信息的特征重用,在Transition Layer 中,1 × 1卷積層的作用主要是降低矩陣維數(shù),2 × 2 平均池化層的作用主要是壓縮圖層尺寸,以減少網(wǎng)絡(luò)參數(shù),經(jīng)過池化操作以后,在全連接層中對圖層信息完成分類,接著再在Softmax 層中做向量歸一化,最后輸出特定類別。每個(gè)算法函數(shù)將生成k個(gè)特征圖,k為輸入層通道數(shù)。在這一步中,更改不同超參數(shù)k,以比較不同DenseNet 模型的優(yōu)劣。

    存儲(chǔ)訓(xùn)練結(jié)果,選擇最優(yōu)模型:向訓(xùn)練得到的各模型中輸入事先準(zhǔn)備好的測試集并得到訓(xùn)練結(jié)果,比較不同模型生成的分類結(jié)果以及測試集標(biāo)注的真實(shí)標(biāo)簽是否對應(yīng),以此評判該模型的優(yōu)劣,選擇最優(yōu)的DenseNet 模型。

    融合模型:在上一步模型訓(xùn)練中,得到最優(yōu)DenseNet 以后,修改優(yōu)化模型參數(shù),接著利用隨機(jī)森林算法對圖層特征進(jìn)行二次訓(xùn)練,最終獲得DenseNet-RF 模型。

    診斷疑似竊電用戶:從輸出的分類結(jié)果中,能夠判斷用戶是否存在竊電嫌疑。其中,竊電檢測模型以智能電測指示儀表數(shù)據(jù)為輸入,以疑似竊電用戶為輸出。

    2.4 模型訓(xùn)練與分類準(zhǔn)確率比較

    為驗(yàn)證DenseNet 模型的可靠性,使用數(shù)據(jù)集對竊電檢測模型開展了分析。測試設(shè)備配置為Windows 10,CPU 為AMD Ryzen 5 1400,顯卡為RTX 2070,總內(nèi)存8 GB;采用tensorflow 深度學(xué)習(xí)框架和scikitlearn 機(jī)器學(xué)習(xí)框架進(jìn)行研究。DenseNet 和CNN 模型通過多輪訓(xùn)練獲得,其訓(xùn)練過程如圖4(a)(b)(c)所示。另外本文還比較了其他常用的機(jī)器學(xué)習(xí)算法,包括支持向量機(jī)(SVM),隨機(jī)森林(Random Forest,RF),梯度增強(qiáng)決策樹(GBDT)和邏輯回歸(LR),其訓(xùn)練結(jié)果能夠通過調(diào)用scikit-learn 的庫函數(shù)讀出,訓(xùn)練結(jié)果表2 所示。

    表2 算法的參數(shù)配置與測試集準(zhǔn)確率

    圖4 訓(xùn)練過程曲線

    根據(jù)以上結(jié)果,可得結(jié)論如下:在時(shí)間成本方面,相較于普通CNN 算法,DenseNet-121 網(wǎng)絡(luò)模型的迭代次數(shù)最少,模型收斂也更快,相應(yīng)的模型訓(xùn)練所需時(shí)間更少;在模型準(zhǔn)確度方面,DenseNet-121 網(wǎng)絡(luò)模型相較于普通CNN、RF、GBDT、LR和SVM 等機(jī)器學(xué)習(xí)算法在測試集中分類準(zhǔn)確率明顯更高,在測試集中準(zhǔn)確率達(dá)到95.18%,由此可見DenseNet 模型用于檢測用戶是否存在竊電行為表現(xiàn)出良好的準(zhǔn)確性。

    2.5 模型的部署與應(yīng)用

    將通過tensorflow 訓(xùn)練好的模型以H5 格式保存,利用flask 部署模型,可以在系統(tǒng)軟件中調(diào)用該模型進(jìn)行預(yù)測。模型部署應(yīng)用流程圖如圖5 所示。

    圖5 模型部署應(yīng)用流程圖

    3 基于經(jīng)驗(yàn)知識(shí)的臺(tái)區(qū)線損異常原因診斷

    臺(tái)區(qū)線損異常原因包括用電采集失敗、計(jì)量系統(tǒng)問題、竊電、戶變關(guān)系錯(cuò)誤等,在本系統(tǒng)中采用不同的模塊來實(shí)現(xiàn)各類功能。

    3.1 用電采集失敗查詢模塊

    該模塊包括近期、長期采集失敗查詢與任意或連續(xù)日期線損異常臺(tái)區(qū)查詢。近期、長期采集失敗查詢是根據(jù)線損率、用戶參與率以及可參照線損率來進(jìn)行邏輯判斷。如圖6 所示為近期、長期采集失敗查詢的具體判斷流程,a表示線損率閾值下限,b表示線損率閾值上限。

    圖6 GIGWOBP 預(yù)測值

    任意或連續(xù)日期線損臺(tái)區(qū)查詢模塊包括歷史日期內(nèi)任意兩日都存在線損異常臺(tái)區(qū)查詢與連續(xù)多日的線損的異常臺(tái)區(qū)查詢,將查詢的日期范圍和閾值輸入即可實(shí)現(xiàn)查詢,并可將持續(xù)線損的臺(tái)區(qū)以不同的命名方式存入數(shù)據(jù)庫中,并在列表中顯示。任意或連續(xù)日期線損臺(tái)區(qū)的分析過程如圖7 所示。當(dāng)日的線損異常臺(tái)區(qū)信息表記為allLoss,持續(xù)線損數(shù)據(jù)表記為ChiX,持續(xù)負(fù)損數(shù)據(jù)表記為ChiF,持續(xù)高損數(shù)據(jù)表記為ChiG。

    圖7 任意或連續(xù)日期線損臺(tái)區(qū)查詢模塊流程圖

    3.2 基于經(jīng)驗(yàn)知識(shí)的診斷模塊

    3.2.1 關(guān)口計(jì)量裝置故障診斷模塊

    根據(jù)當(dāng)日線損異常臺(tái)區(qū)信息表,可以查詢到存在線損異常的臺(tái)區(qū)信息,向計(jì)量系統(tǒng)問題診斷模塊中導(dǎo)入臺(tái)區(qū)主變當(dāng)日的電流曲線數(shù)據(jù),包含日期、點(diǎn)數(shù)、相序和每15 min 采集的電流數(shù)據(jù)等。可通過以下方法實(shí)現(xiàn)對計(jì)量系統(tǒng)問題進(jìn)行有效判斷,具體過程如下。

    根據(jù)技術(shù)人員提供的經(jīng)驗(yàn)知識(shí):任意電流相中存在連續(xù)時(shí)刻電流值為0 時(shí),即可判定為疑似關(guān)口連片未合或互感器故障。

    臺(tái)區(qū)總表中任意一相電流值高出另外兩相的成倍數(shù)關(guān)系時(shí),即可判定為疑似臺(tái)區(qū)關(guān)口表互感器變比錯(cuò)誤。

    3.2.2 用戶計(jì)量裝置異常診斷模塊

    在持續(xù)高損數(shù)據(jù)表中,可以查詢到系統(tǒng)內(nèi)上傳的所有歷史線損持續(xù)高損的臺(tái)區(qū)信息。在此模塊中導(dǎo)入臺(tái)區(qū)主變的供電損失數(shù)據(jù)。

    根據(jù)技術(shù)人員提供的經(jīng)驗(yàn)知識(shí):當(dāng)連續(xù)多日線損率高于預(yù)設(shè)定閾值同時(shí)結(jié)合合格標(biāo)簽均為不合格時(shí),即可判定線損異常原因?yàn)橐伤朴脩粲?jì)量裝置異常或疑似戶變關(guān)系異常。

    4 基于MQTT 協(xié)議的線損異常閉環(huán)管理系統(tǒng)

    MQTT 是一種采用二進(jìn)制消息的發(fā)送/訂閱編程方式的即時(shí)通信技術(shù),也是一種基于輕量級的訂閱/發(fā)送方式的消息發(fā)送物聯(lián)網(wǎng)傳輸方式[9]。MQTTnet是一種基于MQTT 通信協(xié)議的分布式數(shù)據(jù)庫。本軟件在MQTT 服務(wù)端軟件的基礎(chǔ)上,開發(fā)了一款桌面級的MQTT 客戶端,應(yīng)用一款名為mqtt_client 的安卓軟件,通過花生殼內(nèi)網(wǎng)穿透軟件實(shí)現(xiàn)用戶手機(jī)客戶端消息的訂閱和發(fā)布,可實(shí)現(xiàn)電腦和手機(jī)的線損異常原因的閉環(huán)接收與反饋。

    5 應(yīng)用效果

    本文從江蘇省蘇州市國家電網(wǎng)抽取了6000 條數(shù)據(jù)導(dǎo)入到線損異常診斷系統(tǒng),設(shè)定閾值5%,查出189 條單日線損異常數(shù)據(jù),65 條多日線損異常數(shù)據(jù)。其中經(jīng)系統(tǒng)監(jiān)測判定23 條數(shù)據(jù)存在竊電嫌疑。經(jīng)人員現(xiàn)場查驗(yàn),該23 戶存在竊電行為。

    6 結(jié)論

    本文通過分析多種線損異常情況,結(jié)合某電網(wǎng)公司的線損相關(guān)歷史數(shù)據(jù),提出了一種基于深度學(xué)習(xí)的線損異常原因診斷系統(tǒng)的研究方案,訓(xùn)練了基于DenseNet 的竊電檢測模型,同時(shí)比較了現(xiàn)有常用機(jī)器學(xué)習(xí)算法的竊電檢測效果并完成了模型的系統(tǒng)部署。實(shí)驗(yàn)結(jié)果表明,基于DenseNet 的竊電檢測模型準(zhǔn)確性較高。另外,本文提出了基于經(jīng)驗(yàn)知識(shí)的線損異常診斷方案,配套開發(fā)了相應(yīng)的診斷模塊以及基于開源庫的線損異常閉環(huán)管理模塊。本文所研究的方法對多方面的線損異常原因進(jìn)行診斷,目標(biāo)降低臺(tái)區(qū)線損異常狀況分析的時(shí)間成本,提高監(jiān)測與治理的工作效率,幫助構(gòu)建智能化的電網(wǎng)環(huán)境。

    猜你喜歡
    臺(tái)區(qū)用電樣本
    用電安全
    用煤用電用氣保障工作的通知
    用樣本估計(jì)總體復(fù)習(xí)點(diǎn)撥
    安全用電知識(shí)多
    用電安全要注意
    推動(dòng)醫(yī)改的“直銷樣本”
    降低臺(tái)區(qū)實(shí)時(shí)線損整治工作方法
    電子制作(2017年2期)2017-05-17 03:55:22
    隨機(jī)微分方程的樣本Lyapunov二次型估計(jì)
    村企共贏的樣本
    三合一集中器作為臺(tái)區(qū)線損考核表計(jì)的探討
    欧美一区二区精品小视频在线| 在线观看一区二区三区激情| 老司机亚洲免费影院| 国产成+人综合+亚洲专区| 曰老女人黄片| 麻豆成人av在线观看| 999久久久精品免费观看国产| 欧美日韩亚洲高清精品| 亚洲精品美女久久久久99蜜臀| 一个人观看的视频www高清免费观看 | 99久久久亚洲精品蜜臀av| 亚洲人成网站在线播放欧美日韩| 国产一卡二卡三卡精品| 在线观看免费日韩欧美大片| 人人妻人人添人人爽欧美一区卜| 亚洲一区二区三区色噜噜 | 午夜免费激情av| 国产成人啪精品午夜网站| 免费在线观看视频国产中文字幕亚洲| 男女午夜视频在线观看| 一夜夜www| 亚洲一码二码三码区别大吗| 成人18禁在线播放| 亚洲成人免费电影在线观看| 一二三四社区在线视频社区8| 国产黄色免费在线视频| 黄片播放在线免费| 夜夜看夜夜爽夜夜摸 | 久久久国产成人精品二区 | www.www免费av| 午夜成年电影在线免费观看| 国产亚洲av高清不卡| 男女下面进入的视频免费午夜 | 精品国产一区二区三区四区第35| 一个人观看的视频www高清免费观看 | 老司机午夜福利在线观看视频| 99久久99久久久精品蜜桃| 午夜视频精品福利| 久久久久久大精品| 久久久久久亚洲精品国产蜜桃av| 高清欧美精品videossex| 99国产极品粉嫩在线观看| 国产成人精品在线电影| 三级毛片av免费| 亚洲 欧美一区二区三区| 身体一侧抽搐| 亚洲熟妇中文字幕五十中出 | 日韩免费av在线播放| 91精品三级在线观看| 国产色视频综合| www.熟女人妻精品国产| 侵犯人妻中文字幕一二三四区| 在线观看一区二区三区| 丝袜人妻中文字幕| 人人妻人人添人人爽欧美一区卜| 国产欧美日韩一区二区三区在线| 国产有黄有色有爽视频| 国产成人啪精品午夜网站| 国产精品98久久久久久宅男小说| 久久中文看片网| 一级,二级,三级黄色视频| 国产精品久久电影中文字幕| 亚洲 欧美 日韩 在线 免费| 国产精品九九99| 精品熟女少妇八av免费久了| 美国免费a级毛片| 国产野战对白在线观看| 夜夜爽天天搞| 亚洲精品久久午夜乱码| 97碰自拍视频| 久久99一区二区三区| av网站在线播放免费| 欧美激情久久久久久爽电影 | 啪啪无遮挡十八禁网站| 亚洲情色 制服丝袜| 亚洲 欧美 日韩 在线 免费| 成人亚洲精品一区在线观看| 欧美丝袜亚洲另类 | 99久久人妻综合| 淫秽高清视频在线观看| 首页视频小说图片口味搜索| 亚洲专区国产一区二区| 国产91精品成人一区二区三区| 高清黄色对白视频在线免费看| 自拍欧美九色日韩亚洲蝌蚪91| 欧美性长视频在线观看| 国产一卡二卡三卡精品| 别揉我奶头~嗯~啊~动态视频| 国产高清国产精品国产三级| 成人av一区二区三区在线看| 亚洲狠狠婷婷综合久久图片| 国产精品亚洲av一区麻豆| 又黄又粗又硬又大视频| 国产精品久久久人人做人人爽| 中亚洲国语对白在线视频| 国产精品 欧美亚洲| 一级a爱视频在线免费观看| 一进一出好大好爽视频| 99精品久久久久人妻精品| 丁香六月欧美| 亚洲国产精品999在线| 18禁美女被吸乳视频| 自拍欧美九色日韩亚洲蝌蚪91| 精品福利观看| 中文字幕人妻丝袜一区二区| 热99re8久久精品国产| 一级毛片高清免费大全| 巨乳人妻的诱惑在线观看| 91九色精品人成在线观看| www.自偷自拍.com| 最近最新中文字幕大全免费视频| 成人18禁高潮啪啪吃奶动态图| 国产99白浆流出| 国产精品日韩av在线免费观看 | 欧美大码av| 麻豆成人av在线观看| 亚洲av美国av| 免费不卡黄色视频| 一二三四在线观看免费中文在| 欧美黑人精品巨大| 欧美日韩一级在线毛片| 色综合婷婷激情| 91成人精品电影| 日本a在线网址| 亚洲avbb在线观看| 亚洲精品成人av观看孕妇| 久久中文看片网| tocl精华| 91在线观看av| 精品人妻在线不人妻| 亚洲人成电影观看| 亚洲中文日韩欧美视频| 亚洲精品久久成人aⅴ小说| 一边摸一边抽搐一进一小说| 久久国产亚洲av麻豆专区| 午夜免费成人在线视频| 最近最新免费中文字幕在线| 欧美最黄视频在线播放免费 | 久久午夜亚洲精品久久| 高清欧美精品videossex| 欧美黑人精品巨大| 如日韩欧美国产精品一区二区三区| 脱女人内裤的视频| 巨乳人妻的诱惑在线观看| 99riav亚洲国产免费| 精品国内亚洲2022精品成人| 免费少妇av软件| 又大又爽又粗| 9191精品国产免费久久| 他把我摸到了高潮在线观看| 精品无人区乱码1区二区| 中文字幕精品免费在线观看视频| 国产一卡二卡三卡精品| 亚洲一区高清亚洲精品| 激情在线观看视频在线高清| 国产精品二区激情视频| 在线av久久热| 国产亚洲精品久久久久久毛片| 亚洲av成人av| 91麻豆av在线| 午夜视频精品福利| 亚洲国产欧美一区二区综合| 精品第一国产精品| 亚洲成人免费av在线播放| 99国产精品一区二区蜜桃av| 一级毛片女人18水好多| 久久久国产欧美日韩av| 男人的好看免费观看在线视频 | 亚洲九九香蕉| 伦理电影免费视频| 久久人人97超碰香蕉20202| 99国产综合亚洲精品| 亚洲精品国产一区二区精华液| 亚洲精品成人av观看孕妇| 老汉色av国产亚洲站长工具| 欧美中文日本在线观看视频| 黄色 视频免费看| 精品国产乱码久久久久久男人| 老司机福利观看| 高清欧美精品videossex| 丰满的人妻完整版| 色婷婷av一区二区三区视频| 国产精品亚洲一级av第二区| 黄色视频,在线免费观看| 欧美成人免费av一区二区三区| 在线观看66精品国产| 女性生殖器流出的白浆| www.精华液| 精品国产亚洲在线| 亚洲七黄色美女视频| 9色porny在线观看| 国产精品香港三级国产av潘金莲| 欧美日韩一级在线毛片| 亚洲精品一卡2卡三卡4卡5卡| 亚洲久久久国产精品| 精品久久久久久电影网| 亚洲人成网站在线播放欧美日韩| 黄频高清免费视频| 丁香六月欧美| 久久精品国产亚洲av香蕉五月| 午夜精品在线福利| www日本在线高清视频| 免费在线观看完整版高清| 精品无人区乱码1区二区| 美女国产高潮福利片在线看| av有码第一页| 黑人猛操日本美女一级片| 亚洲专区中文字幕在线| 日韩大码丰满熟妇| 岛国在线观看网站| 19禁男女啪啪无遮挡网站| 可以免费在线观看a视频的电影网站| 国产精品免费视频内射| 午夜福利在线免费观看网站| 国产人伦9x9x在线观看| 国产精品影院久久| 男人操女人黄网站| 亚洲欧美精品综合一区二区三区| 国产免费现黄频在线看| 天堂影院成人在线观看| 亚洲成人久久性| 高清黄色对白视频在线免费看| 怎么达到女性高潮| 男女下面进入的视频免费午夜 | 免费高清视频大片| 午夜成年电影在线免费观看| 无遮挡黄片免费观看| 国产成人影院久久av| 国产成人精品久久二区二区免费| 黄片小视频在线播放| 亚洲成a人片在线一区二区| 一级a爱视频在线免费观看| 五月开心婷婷网| 老司机福利观看| 女人被躁到高潮嗷嗷叫费观| 夜夜爽天天搞| 女人爽到高潮嗷嗷叫在线视频| 日韩欧美三级三区| 黑人猛操日本美女一级片| 午夜免费成人在线视频| 欧美成狂野欧美在线观看| 欧美 亚洲 国产 日韩一| 国产精品免费一区二区三区在线| 精品久久蜜臀av无| 久久人人97超碰香蕉20202| 国产精品 国内视频| 啦啦啦在线免费观看视频4| 国产又爽黄色视频| 国产成人av教育| 女同久久另类99精品国产91| 欧美日韩亚洲综合一区二区三区_| 久久人妻av系列| 免费看a级黄色片| 久久精品91无色码中文字幕| 超碰成人久久| 99精国产麻豆久久婷婷| 亚洲精品久久午夜乱码| 亚洲第一青青草原| 国产精品永久免费网站| av欧美777| 人人妻人人澡人人看| 亚洲熟女毛片儿| 午夜亚洲福利在线播放| 亚洲午夜理论影院| 视频区欧美日本亚洲| 亚洲欧洲精品一区二区精品久久久| 97碰自拍视频| 真人一进一出gif抽搐免费| 热99国产精品久久久久久7| 亚洲精品美女久久久久99蜜臀| 成熟少妇高潮喷水视频| 久久久国产欧美日韩av| 国产精品秋霞免费鲁丝片| 国产视频一区二区在线看| 日韩视频一区二区在线观看| 国产99久久九九免费精品| 日韩精品免费视频一区二区三区| 色婷婷av一区二区三区视频| 老熟妇仑乱视频hdxx| 最近最新免费中文字幕在线| 欧美 亚洲 国产 日韩一| 亚洲男人天堂网一区| 一级片'在线观看视频| 18禁观看日本| 日韩av在线大香蕉| 韩国av一区二区三区四区| 亚洲成av片中文字幕在线观看| 校园春色视频在线观看| 亚洲av成人不卡在线观看播放网| 麻豆国产av国片精品| 九色亚洲精品在线播放| 日本a在线网址| 午夜日韩欧美国产| 国产一区二区激情短视频| 中文字幕最新亚洲高清| 国产主播在线观看一区二区| 大码成人一级视频| 欧美av亚洲av综合av国产av| 色婷婷av一区二区三区视频| 99久久人妻综合| 欧美精品一区二区免费开放| 亚洲欧美激情在线| 久久精品成人免费网站| 又黄又爽又免费观看的视频| 淫秽高清视频在线观看| 可以在线观看毛片的网站| 久久精品国产亚洲av香蕉五月| 亚洲成a人片在线一区二区| 丝袜在线中文字幕| 久久性视频一级片| 夜夜看夜夜爽夜夜摸 | 久久精品国产综合久久久| 免费少妇av软件| 欧美精品一区二区免费开放| 亚洲精品av麻豆狂野| 国产三级在线视频| 国产亚洲精品久久久久5区| 黄色丝袜av网址大全| 亚洲全国av大片| av在线天堂中文字幕 | 女同久久另类99精品国产91| 1024香蕉在线观看| 99久久国产精品久久久| 欧美日韩av久久| 午夜福利,免费看| 热99re8久久精品国产| 黄色成人免费大全| 免费高清视频大片| 日韩一卡2卡3卡4卡2021年| 久久久久久久久中文| 99久久人妻综合| 18禁裸乳无遮挡免费网站照片 | 97碰自拍视频| 国产亚洲精品久久久久5区| 国产高清国产精品国产三级| 成人国产一区最新在线观看| 日韩人妻精品一区2区三区| 在线播放国产精品三级| 嫩草影视91久久| 午夜福利免费观看在线| 性欧美人与动物交配| www日本在线高清视频| 男人舔女人下体高潮全视频| 欧美成人免费av一区二区三区| 色在线成人网| 中文字幕色久视频| 国产成人系列免费观看| 99久久综合精品五月天人人| 国产一区在线观看成人免费| 校园春色视频在线观看| 久久精品aⅴ一区二区三区四区| 久久草成人影院| 午夜影院日韩av| 日本撒尿小便嘘嘘汇集6| 国产深夜福利视频在线观看| 热99re8久久精品国产| ponron亚洲| 麻豆国产av国片精品| 久久精品91蜜桃| 十八禁人妻一区二区| 精品少妇一区二区三区视频日本电影| www.www免费av| 一级黄色大片毛片| 桃红色精品国产亚洲av| 不卡一级毛片| 操出白浆在线播放| 久久欧美精品欧美久久欧美| 两人在一起打扑克的视频| 嫩草影视91久久| 一进一出抽搐动态| 国产精品综合久久久久久久免费 | 一级作爱视频免费观看| 精品电影一区二区在线| 在线观看免费午夜福利视频| 午夜精品国产一区二区电影| 欧美乱妇无乱码| 成人特级黄色片久久久久久久| 一边摸一边抽搐一进一小说| 国产亚洲av高清不卡| 久久精品91无色码中文字幕| 亚洲成人免费电影在线观看| 制服诱惑二区| 亚洲一区二区三区色噜噜 | 国产精品1区2区在线观看.| 亚洲七黄色美女视频| 一本大道久久a久久精品| 极品教师在线免费播放| 可以在线观看毛片的网站| 美女午夜性视频免费| 久久性视频一级片| 麻豆一二三区av精品| 男女做爰动态图高潮gif福利片 | 国产深夜福利视频在线观看| 国产成年人精品一区二区 | 在线观看66精品国产| 免费在线观看完整版高清| 欧美日韩一级在线毛片| 一边摸一边抽搐一进一出视频| 一二三四社区在线视频社区8| 桃色一区二区三区在线观看| 一级毛片精品| 99久久人妻综合| 中国美女看黄片| 精品福利观看| 又大又爽又粗| 女人被躁到高潮嗷嗷叫费观| 99精品久久久久人妻精品| 成人av一区二区三区在线看| 黄色片一级片一级黄色片| 午夜精品国产一区二区电影| 久99久视频精品免费| 身体一侧抽搐| 日本一区二区免费在线视频| 午夜免费成人在线视频| 久久草成人影院| 一a级毛片在线观看| 免费久久久久久久精品成人欧美视频| 亚洲第一av免费看| 午夜成年电影在线免费观看| 99热只有精品国产| 精品国内亚洲2022精品成人| 国产三级黄色录像| 午夜91福利影院| 美女高潮到喷水免费观看| xxxhd国产人妻xxx| 国产午夜精品久久久久久| 午夜福利欧美成人| 国产人伦9x9x在线观看| 亚洲久久久国产精品| 夜夜躁狠狠躁天天躁| 国产三级黄色录像| 国产亚洲精品一区二区www| 亚洲欧美一区二区三区黑人| 国产精品国产高清国产av| 母亲3免费完整高清在线观看| 黄色成人免费大全| 久久九九热精品免费| 麻豆久久精品国产亚洲av | av中文乱码字幕在线| 亚洲成国产人片在线观看| 午夜a级毛片| 久久午夜综合久久蜜桃| 国产精品二区激情视频| 国产亚洲精品综合一区在线观看 | 亚洲专区国产一区二区| 久久九九热精品免费| 999久久久国产精品视频| 夜夜夜夜夜久久久久| 国产xxxxx性猛交| 亚洲欧洲精品一区二区精品久久久| 欧美激情 高清一区二区三区| 国产成人精品在线电影| 欧美日韩国产mv在线观看视频| 少妇裸体淫交视频免费看高清 | 久久中文看片网| 精品国产乱子伦一区二区三区| 长腿黑丝高跟| 午夜91福利影院| 日本a在线网址| a级毛片黄视频| 午夜免费激情av| 久久久久久人人人人人| 亚洲免费av在线视频| 成人三级黄色视频| 亚洲精品国产色婷婷电影| 亚洲精品美女久久av网站| 色播在线永久视频| 亚洲av熟女| 午夜两性在线视频| 很黄的视频免费| 国产不卡一卡二| 国产高清videossex| 一二三四社区在线视频社区8| 美女福利国产在线| 狠狠狠狠99中文字幕| 老司机在亚洲福利影院| 国产色视频综合| www.自偷自拍.com| 少妇的丰满在线观看| av欧美777| 久久午夜综合久久蜜桃| 99在线人妻在线中文字幕| 人人妻人人添人人爽欧美一区卜| 日韩三级视频一区二区三区| 精品卡一卡二卡四卡免费| 日韩视频一区二区在线观看| 女性被躁到高潮视频| 亚洲一码二码三码区别大吗| 成人特级黄色片久久久久久久| tocl精华| 亚洲精品在线观看二区| 国产单亲对白刺激| 男女下面进入的视频免费午夜 | 美女大奶头视频| 亚洲男人的天堂狠狠| 国产主播在线观看一区二区| 91大片在线观看| 国产黄a三级三级三级人| av电影中文网址| 母亲3免费完整高清在线观看| 国产精品亚洲一级av第二区| 黄色片一级片一级黄色片| 国产在线观看jvid| 成人18禁高潮啪啪吃奶动态图| 久久久久久久午夜电影 | 最近最新中文字幕大全免费视频| 亚洲精品成人av观看孕妇| 日韩有码中文字幕| 亚洲精品一区av在线观看| 久久久国产一区二区| 亚洲第一青青草原| 国产成人精品久久二区二区免费| 人成视频在线观看免费观看| 老汉色∧v一级毛片| 很黄的视频免费| av在线播放免费不卡| 久久久久久久久免费视频了| 国产精品爽爽va在线观看网站 | 视频在线观看一区二区三区| 精品电影一区二区在线| 欧美中文日本在线观看视频| 亚洲第一青青草原| 男男h啪啪无遮挡| 久久人妻熟女aⅴ| 一级a爱视频在线免费观看| 亚洲色图 男人天堂 中文字幕| 国产高清视频在线播放一区| www国产在线视频色| 国产一卡二卡三卡精品| 国产亚洲精品综合一区在线观看 | 国产成+人综合+亚洲专区| 母亲3免费完整高清在线观看| 动漫黄色视频在线观看| 黄色片一级片一级黄色片| 亚洲成人免费av在线播放| 免费久久久久久久精品成人欧美视频| 88av欧美| 久久久久免费精品人妻一区二区| 日本 欧美在线| av在线蜜桃| 又爽又黄无遮挡网站| 高清日韩中文字幕在线| 人人妻人人看人人澡| 欧美在线一区亚洲| 动漫黄色视频在线观看| 99热这里只有是精品在线观看 | 久久久久精品国产欧美久久久| 国产av不卡久久| 欧美+日韩+精品| 高清毛片免费观看视频网站| 国产精品影院久久| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 亚洲av不卡在线观看| 天堂动漫精品| 伊人久久精品亚洲午夜| 亚洲五月婷婷丁香| 国产真实伦视频高清在线观看 | 每晚都被弄得嗷嗷叫到高潮| 久久草成人影院| 亚洲av免费在线观看| 国产精品亚洲美女久久久| 午夜福利视频1000在线观看| av国产免费在线观看| 亚洲欧美日韩高清在线视频| 免费观看人在逋| 动漫黄色视频在线观看| 如何舔出高潮| 欧美一区二区国产精品久久精品| 变态另类成人亚洲欧美熟女| 麻豆av噜噜一区二区三区| 五月玫瑰六月丁香| 日韩精品中文字幕看吧| 精品人妻熟女av久视频| 日韩欧美一区二区三区在线观看| 韩国av一区二区三区四区| 成年人黄色毛片网站| 成人三级黄色视频| 久久久精品大字幕| 欧美在线一区亚洲| 久久热精品热| 亚洲人成网站在线播| 90打野战视频偷拍视频| 人妻制服诱惑在线中文字幕| 国产成人aa在线观看| 精品国产三级普通话版| 国产欧美日韩精品一区二区| 成人午夜高清在线视频| 国产三级中文精品| 国产久久久一区二区三区| 琪琪午夜伦伦电影理论片6080| 亚洲av二区三区四区| 亚洲人成伊人成综合网2020| 国产成年人精品一区二区| 国产毛片a区久久久久| 亚洲成人久久爱视频| 草草在线视频免费看| 国产亚洲精品av在线| 亚洲av免费高清在线观看| 少妇被粗大猛烈的视频| 看黄色毛片网站| 性色avwww在线观看| 亚洲国产精品999在线| 麻豆一二三区av精品| a在线观看视频网站| 国产男靠女视频免费网站| 又黄又爽又刺激的免费视频.| 一个人免费在线观看电影| 国产高清视频在线播放一区| 99久久成人亚洲精品观看| 偷拍熟女少妇极品色| 99久久久亚洲精品蜜臀av| 黄色丝袜av网址大全| 一级毛片久久久久久久久女| 一进一出抽搐gif免费好疼| 99热这里只有精品一区|