• <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EMD-AO-DELM 的光伏功率預(yù)測(cè)算法

    2024-01-31 07:36:46趙葵銀王田宇黃瑋杰司孟嬌林國(guó)漢
    關(guān)鍵詞:天鷹學(xué)習(xí)機(jī)分量

    曹 哲,趙葵銀,王田宇,黃瑋杰,司孟嬌,林國(guó)漢

    (湖南工程學(xué)院 電氣與信息工程學(xué)院,湘潭 411104)

    0 引言

    光伏發(fā)電作為一種新能源發(fā)電,目前得到廣泛應(yīng)用.但受太陽(yáng)輻射強(qiáng)度、溫度、濕度和云量等因素的影響[1],光伏發(fā)電波動(dòng)性會(huì)影響光伏電力系統(tǒng)的安全性和穩(wěn)定性,同時(shí)給光伏并網(wǎng)調(diào)度過(guò)程帶來(lái)挑戰(zhàn).通過(guò)光伏發(fā)電歷史數(shù)據(jù)對(duì)光伏發(fā)電功率進(jìn)行預(yù)測(cè),從而保證電網(wǎng)系統(tǒng)安全運(yùn)行,這對(duì)完成電力系統(tǒng)調(diào)度十分重要[2].

    針對(duì)光伏發(fā)電功率的預(yù)測(cè)技術(shù),主要分為直接預(yù)測(cè)方法和間接預(yù)測(cè)方法.前者是對(duì)光伏歷史數(shù)據(jù)信息進(jìn)行訓(xùn)練學(xué)習(xí),通過(guò)預(yù)測(cè)算法進(jìn)行未來(lái)功率預(yù)測(cè).后者則采用分步預(yù)測(cè)的方式,可分為對(duì)未來(lái)日照輻射以及未來(lái)功率預(yù)測(cè)兩個(gè)部分[3].文獻(xiàn)[4]提出一種基于經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)與極限學(xué)習(xí)機(jī)(ELM)組合功率預(yù)測(cè)方法,但未能充分考慮光伏電站輸出功率受到的環(huán)境影響因素.文獻(xiàn)[5]提出了一種基于煙花算法(FWA)的改進(jìn)BP 神經(jīng)網(wǎng)絡(luò)光伏預(yù)測(cè)方法,該方法對(duì)于短期的光伏數(shù)據(jù)預(yù)測(cè)具有良好的精確度.但BP 神經(jīng)網(wǎng)絡(luò)存在收斂速度慢和易陷入局部極值的問(wèn)題.文獻(xiàn)[6]提出一種將卷積神經(jīng)網(wǎng)絡(luò)(CNN)和雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)(BiLSTM)結(jié)合的預(yù)測(cè)算法,但該方法測(cè)試樣本類(lèi)型過(guò)于單一,未能測(cè)試不同季度及天氣下的預(yù)測(cè)精度.

    針對(duì)上述研究存在的問(wèn)題,本文提出了一種基于經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition,EMD)—天鷹優(yōu)化算法(Aquila Optimizer,AO)—深度極限學(xué)習(xí)機(jī)(Deep Extreme Learning Machine,DELM)的組合光伏功率預(yù)測(cè)模型.利用經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)將光伏初始功率數(shù)據(jù)分解為數(shù)量不同的本征模態(tài)函數(shù)(IMF),針對(duì)DELM 網(wǎng)絡(luò)初始權(quán)重和閾值隨機(jī)輸入的特點(diǎn),利用AO 優(yōu)化算法對(duì)初始權(quán)重進(jìn)行優(yōu)化,利用優(yōu)化的DELM 對(duì)每個(gè)模態(tài)分別建模預(yù)測(cè),最后將各個(gè)模態(tài)分量的預(yù)測(cè)結(jié)果進(jìn)行疊加求和,得到最終的預(yù)測(cè)結(jié)果.

    1 理論基礎(chǔ)

    1.1 EMD(經(jīng)驗(yàn)?zāi)B(tài)分解)

    經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)[7-9]是一種基于信號(hào)局部特征的信號(hào)分解方法.其吸收了小波變換多分辨率的優(yōu)點(diǎn),克服了小波變換中選擇小波基和確定分解尺度的困難,因此更適合于非線(xiàn)性非平穩(wěn)信號(hào)的分析,是一種自適應(yīng)的信號(hào)分解方法.EMD 假定任何復(fù)雜信號(hào)都是由簡(jiǎn)單的特征模態(tài)函數(shù)(IMF)組成的,并且每個(gè)IMF 之間是相互獨(dú)立的.這種EMD可以將不同規(guī)模或趨勢(shì)的時(shí)間序列數(shù)據(jù)逐步分解成其組成部分,并將一系列具有相同規(guī)模特征的數(shù)據(jù)序列產(chǎn)生一系列具有相同尺度特征的數(shù)據(jù)序列,通過(guò)這些數(shù)據(jù)序列,非平穩(wěn)的非線(xiàn)性數(shù)據(jù)被轉(zhuǎn)化為平穩(wěn)的線(xiàn)性數(shù)據(jù),與原始數(shù)據(jù)序列相比,分解后的序列具有更好的規(guī)律性.這對(duì)識(shí)別隱藏的關(guān)系有很大的幫助,可以提高預(yù)測(cè)的準(zhǔn)確性[10-12].

    其具體分解步驟如下[13]:

    (1)對(duì)于初始時(shí)間序列x(t),取其所有極大值點(diǎn)與極小值點(diǎn),所有極大值點(diǎn)相連作為上包絡(luò)線(xiàn),所有極小值點(diǎn)相連作為下包絡(luò)線(xiàn),記m(t)為上、下包絡(luò)線(xiàn)的均值.令原始序列x(t)與均值m(t)相減,得到首個(gè)分量h1(t)=x(t)-m(t);

    (2)將h1(t)視作初始時(shí)間序列,記m1(t)為h1(t)的上、下包絡(luò)線(xiàn)的均值,重復(fù)步驟(1),得到第二個(gè)分量h2(t);

    (3)將上述步驟不斷重復(fù)n次,直到h(t)是一個(gè)本征模態(tài)函數(shù)或剩余分量rn(t)呈現(xiàn)單調(diào)性,終止分解過(guò)程.

    至此,初始時(shí)間序列x(t)可通過(guò)n個(gè)本征模態(tài)分量hi(t)與一個(gè)剩余分量rn(t)之和來(lái)表示,如式(1)所示:

    1.2 AO(天鷹優(yōu)化算法)

    Laith Abualigah 等人在2021 年提出的天鷹算法是一種新穎的元啟發(fā)式優(yōu)化算法,其靈感來(lái)自于北美洲的天鷹(Aquila)對(duì)不同種類(lèi)獵物的四種狩獵行為.在攻擊獵物之前,天鷹針對(duì)不同的獵物種類(lèi)靈活地切換其狩獵策略.該數(shù)學(xué)模型簡(jiǎn)要描述如下[14]:

    第1 步:擴(kuò)大探索

    天鷹在地面上高飛,廣泛探索捕獵空間,一旦確定了獵物的區(qū)域,就會(huì)采取垂直俯沖的方式進(jìn)行捕獵.這種行為的數(shù)學(xué)表示方法為

    式中,Xbest(t)代表迄今為止獲得的最佳位置;XM(t)表示當(dāng)前迭代中所有天鷹的平均位置;t和T分別為當(dāng)前迭代和最大迭代次數(shù);N是種群大?。籸and是0 到1 之間的隨機(jī)數(shù).

    第2 步:縮小探索階段

    這是天鷹最常用的捕獵方法.它在選定的區(qū)域內(nèi)下降并圍繞獵物飛行后,采用短距離滑翔的方式來(lái)攻擊獵物.位置更新公式表示為

    式中,XR(t)代表天鷹的隨機(jī)位置;D是維度大??;LF(D)代表Levy 飛行函數(shù),其表示如下:

    式中,Γ為伽馬函數(shù);s和β是分別取0.01 和1.5的常數(shù);u和ν 是0 和1 之間的隨機(jī)數(shù);y和x用于呈現(xiàn)搜索中的螺旋形,其計(jì)算方法如下:

    式中,r1是1 到20 之間的搜索周期數(shù);D1由從1到維度大小D的整數(shù)組成;且ω=0.005.

    第3 步:擴(kuò)大開(kāi)發(fā)階段

    在第三階段中,當(dāng)獵物的區(qū)域被大致確定后,天鷹垂直下降,進(jìn)行初步攻擊.天鷹利用選定的區(qū)域來(lái)接近和攻擊獵物.這種行為的數(shù)字表示如下:

    式中,α、δ是固定為0.1 的開(kāi)發(fā)調(diào)整參數(shù);UB、LB是上界和下界.

    第4 步:縮小開(kāi)發(fā)階段

    天鷹根據(jù)獵物逃跑的軌跡追逐獵物,然后攻擊地面上的獵物.該行為的數(shù)學(xué)表示如下:

    式中,X(t)是當(dāng)前位置;QF(t)表示用于平衡搜索策略的質(zhì)量函數(shù)值;G1表示天鷹在跟蹤獵物過(guò)程中的運(yùn)動(dòng)參數(shù),是[-1,1]之間的隨機(jī)數(shù);G2表示追逐獵物時(shí)的飛行斜率,從2 到0 線(xiàn)性遞減.

    1.3 ELM(極限學(xué)習(xí)機(jī))

    極限學(xué)習(xí)機(jī)(Extreme Learning Machine,ELM)的模型由輸入層、隱含層和輸出層三部分組成,是一個(gè)典型的單隱含層的前饋神經(jīng)網(wǎng)絡(luò)(Single-hidden Layer Feed-forward Neural Network,SLFN),其網(wǎng)絡(luò)具有學(xué)習(xí)速度快、泛化能力強(qiáng)等優(yōu)點(diǎn)[15].

    ELM 的模型結(jié)構(gòu)如圖1 所示,其中,輸入層含q個(gè)節(jié)點(diǎn),隱含層含n個(gè)節(jié)點(diǎn),輸出層含e個(gè)節(jié)點(diǎn),隱含層激活函數(shù)為g(x),常用的函數(shù)有sigmoid、hard-lim、sin 等[16].

    圖1 ELM結(jié)構(gòu)

    假設(shè)樣本為xi∈RN×Rq,yi∈RN×Re(i=1,2,…,N),其中,隱含層的輸出為式(9),隱含層輸出矩陣和ELM 網(wǎng)絡(luò)輸出之間的關(guān)系可由式(10)表示.

    根據(jù)式(9)和式(10),有

    其中,ai=(ai1,ai2,…,ain)T是連接第i個(gè)輸入節(jié)點(diǎn)和隱含層的權(quán)重;bi是第j個(gè)隱藏節(jié)點(diǎn)的閾值;νi=(νj1,νj2,…,νjn)T是連接第j個(gè)隱藏節(jié)點(diǎn)和輸出層的權(quán)重;H是神經(jīng)網(wǎng)絡(luò)的隱含層輸出矩陣.輸入權(quán)重aij和隱含層的閾值bj隨機(jī)選??;輸出權(quán)重V可以通過(guò)解方程組的方式得到[17].

    使用ELM 獲得輸出權(quán)重可以分為三個(gè)步驟:

    (1)隨機(jī)選擇0 和1 之間的數(shù)值來(lái)設(shè)置輸入權(quán)重aij和隱含層的閾值bj;

    (2)計(jì)算隱含層輸出矩陣H;

    (3)計(jì)算輸出權(quán)重V:

    其中,H+表示輸出矩陣H的廣義逆矩陣.

    與傳統(tǒng)的基于梯度的前饋神經(jīng)網(wǎng)絡(luò)算法不同,極限學(xué)習(xí)機(jī)網(wǎng)絡(luò)隱含層在訓(xùn)練過(guò)程中隨機(jī)產(chǎn)生輸入權(quán)重和閾值.因此,計(jì)算輸出權(quán)重只能采用廣義逆矩陣?yán)碚?而ELM 是一種單隱層結(jié)構(gòu),在面對(duì)數(shù)據(jù)量大且維度較高的輸入數(shù)據(jù)時(shí),其捕捉數(shù)據(jù)的有效特征的能力不足.因此,更多學(xué)者采用DELM 算法,作為ELM 的一種衍生算法,DELM 解決了只有一個(gè)隱含層的極限學(xué)習(xí)機(jī)無(wú)法捕捉數(shù)據(jù)的有效特征的問(wèn)題.

    1.4 ELM—AE(極限學(xué)習(xí)機(jī)—自動(dòng)編碼器)

    極限學(xué)習(xí)機(jī)自動(dòng)編碼器(ELM-AE)是一個(gè)人工的神經(jīng)網(wǎng)絡(luò)模塊,在深度學(xué)習(xí)領(lǐng)域中得到廣泛使用,是一種無(wú)監(jiān)督方式學(xué)習(xí)樣本的結(jié)構(gòu).其主要特點(diǎn)在于網(wǎng)絡(luò)的輸出和輸入結(jié)果一致.ELM-AE 的模型如同ELM,同樣由一個(gè)輸入層、一個(gè)隱含層和一個(gè)輸出層三部分組成[18],其模型結(jié)構(gòu)如圖2 所示.構(gòu)建的ELM-AE 在訓(xùn)練過(guò)程中隱含層節(jié)點(diǎn)的權(quán)重和閾值隨機(jī)產(chǎn)生,并具有正交性,從而使得ELMAE 的泛化能力得到了一定程度的優(yōu)化.為進(jìn)一步提高模型的泛化能力和魯棒性,在求解權(quán)重系數(shù)的過(guò)程中引入正則化參數(shù),目標(biāo)函數(shù)被設(shè)定為[19]

    假設(shè)給定N個(gè)不同的樣本,xi∈RN×Rq(i=1,2,…,N),ELM-AE 隱含層的輸出可以表示為式(15),那么隱含層的輸出矩陣與輸出層的輸出之間的數(shù)學(xué)關(guān)系可以表示為

    對(duì)于等維ELM-AE 表示,輸出權(quán)重V的計(jì)算方法是:

    其中,H是ELM-AE 隱含層輸出矩陣;X是ELM-AE 的輸入矩陣.

    深度極限學(xué)習(xí)機(jī)(DELM)通過(guò)疊加極限學(xué)習(xí)機(jī)—自動(dòng)編碼器(ELM-AE)構(gòu)建多層網(wǎng)絡(luò)結(jié)構(gòu)來(lái)提高網(wǎng)絡(luò)的表達(dá)能力,是極限學(xué)習(xí)機(jī)和自動(dòng)編碼器結(jié)合的新結(jié)構(gòu).

    DELM 應(yīng)用ELM-AE 對(duì)模型進(jìn)行逐層訓(xùn)練.i隱含層的輸出與(i-1)隱含層的輸出之間的數(shù)值關(guān)系可以表示為

    1.5 DELM(深度極限學(xué)習(xí)機(jī))

    ELM-AE 用于構(gòu)建深度極限學(xué)習(xí)機(jī)DELM 的基本單元,然后利用ELM-AE 的輸出權(quán)值初始化整個(gè)DELM[20].DELM 的理念是通過(guò)最小化重建誤差使輸出無(wú)限接近于原始輸入,通過(guò)層層迭代訓(xùn)練,學(xué)習(xí)原始數(shù)據(jù)的高級(jí)特征.

    ELM-AE 在編碼器處將輸入映射到隱含層特征向量,在解碼器處從特征向量重建原始輸入[20].從結(jié)構(gòu)的角度看,DELM 相當(dāng)于連接多個(gè)ELM.與ELM 相比,DELM 能更全面地捕捉樣本特征,提高處理高維輸入的準(zhǔn)確性.DELM 通過(guò)ELM-AE 逐層進(jìn)行無(wú)監(jiān)督訓(xùn)練和學(xué)習(xí),最后連接到最后一層輸出層進(jìn)行有監(jiān)督訓(xùn)練.該系統(tǒng)的參數(shù)不需要同時(shí)調(diào)整[21].DELM 網(wǎng)絡(luò)的結(jié)構(gòu)如圖3 所示,DELM 各隱含層的輸入權(quán)重通過(guò)ELM-AE 初始化,并進(jìn)行分層無(wú)監(jiān)督訓(xùn)練.在這整個(gè)過(guò)程中,DELM 不需要反向微調(diào).

    圖3 DELM結(jié)構(gòu)圖

    假設(shè)在模型有Y個(gè)隱含層的情況下,根據(jù)上文所述ELM-AE 理論,通過(guò)輸入數(shù)據(jù)X可以得到權(quán)重矩陣V1與隱含層的輸出矩陣H1.將H1作為下一個(gè)ELM-AE 的輸入與目標(biāo)輸出.以此類(lèi)推,逐層訓(xùn)練,可以得到Y(jié)層的輸出權(quán)重矩陣VY和隱含層的輸出矩陣HY.其中每個(gè)ELM-AE 的輸出權(quán)重用來(lái)初始化整個(gè)DELM.在ELM-AE 訓(xùn)練過(guò)程中,輸入層權(quán)重和閾值是隨機(jī)生成的正交隨機(jī)矩陣;同時(shí),ELM-AE 無(wú)監(jiān)督訓(xùn)練過(guò)程采用最小二乘法更新參數(shù).在這個(gè)過(guò)程中,只有輸出層權(quán)重參數(shù)被更新,而輸入層權(quán)重和閾值保持不變,每個(gè)ELM-AE 的隨機(jī)輸入權(quán)重和隨機(jī)閾值都會(huì)對(duì)DELM 的預(yù)測(cè)精度造成影響.由于初始權(quán)重對(duì)于整個(gè)模型的預(yù)測(cè)結(jié)果起到更關(guān)鍵的作用,因此,本文針對(duì)DELM 的輸入權(quán)重利用AO 算法進(jìn)行優(yōu)化.

    在本文中,利用天鷹優(yōu)化算法的全局優(yōu)化能力,可在訓(xùn)練誤差較小時(shí)找到深度極限學(xué)習(xí)機(jī)的輸入權(quán)重,從而提高深度極限學(xué)習(xí)機(jī)的泛化能力,提高DELM 的預(yù)測(cè)精度.

    2 EMD-AO-DELM 預(yù)測(cè)模型的建立

    2.1 光伏發(fā)電影響因素分析

    光伏發(fā)電效率的影響因素眾多,主要分為主觀(guān)因素和客觀(guān)因素.其中,主觀(guān)因素包括氣溫、濕度、云量、降水量、光照輻射度等不可控的氣象因素;客觀(guān)因素包括光伏陣列安裝地形條件、光伏板傾角與朝向等,往往起到?jīng)Q定性作用的是氣象因素[22].輸入樣本因素過(guò)多會(huì)降低預(yù)測(cè)精度并使預(yù)測(cè)模型變得復(fù)雜和冗余.為探究氣象因素與光伏功率的相關(guān)性,以便選取最優(yōu)因素作為輸入,在此處引入Pearson 相關(guān)系數(shù),用來(lái)衡量?jī)蓚€(gè)數(shù)據(jù)集合是否在一條線(xiàn)上,并衡量定距變量間的線(xiàn)性關(guān)系.

    式中,r>0 表示兩者之間呈正相關(guān),r<0 表示兩者之間呈負(fù)相關(guān);xi與yi分別代表兩個(gè)因素第i個(gè)的值;xˉ和yˉ分別表示兩個(gè)因素的平均值.

    根據(jù)Pearson 相關(guān)系數(shù),整理出表1.

    表1 各氣象因素相關(guān)系數(shù)

    由表1 可知,光照總輻射和散射輻射與光伏功率呈現(xiàn)高度正相關(guān),相對(duì)濕度和大氣壓與光伏功率呈現(xiàn)負(fù)相關(guān),因此,選取散射輻射和總輻射這兩項(xiàng)作為DELM 初始輸入數(shù)據(jù).

    2.2 AO-DELM模型的建立

    AO-DELM 模型的主要思想是:將DELM 初始輸入權(quán)重作為AO 算法的初始種群位置,并將適應(yīng)度函數(shù)設(shè)置為訓(xùn)練集和測(cè)試集的均方誤差之和,其表示如下:

    AO-DELM 預(yù)測(cè)模型流程如下:

    (1)進(jìn)行數(shù)據(jù)清洗,將歷史光伏功率數(shù)據(jù)中一些采樣時(shí)發(fā)生錯(cuò)誤導(dǎo)致的異常值剔除;

    (2)對(duì)清洗后的樣本數(shù)據(jù)進(jìn)行歸一化處理;

    (3)初始化AO 算法參數(shù),包括種群規(guī)模,最大迭代次數(shù)T,探索和開(kāi)發(fā)參數(shù)α、δ;

    (4)初始化種群位置X、初始的種群適應(yīng)度、最佳個(gè)體;

    (5)按序進(jìn)行擴(kuò)大探索階段、縮小探索階段、擴(kuò)大開(kāi)發(fā)階段、縮小開(kāi)發(fā)階段,并不斷更新種群位置;

    (6)計(jì)算更新種群的適應(yīng)度,得到當(dāng)前最佳個(gè)體位置和適應(yīng)度,并比較當(dāng)前最佳個(gè)體與到第t代找到的最佳個(gè)體適應(yīng)度,保留較優(yōu)的個(gè)體位置;

    (7)判斷是否達(dá)到最大迭代次數(shù)或者求解條件,若是,則輸出最優(yōu)值,若否,則返回步驟(5);

    (8)將最后優(yōu)化后的權(quán)重值結(jié)果輸入到DELM模型中.

    其結(jié)構(gòu)流程圖如圖4 所示.

    圖4 AO-DELM結(jié)構(gòu)流程圖

    2.3 EMD-AO-DELM 模型的建立

    光伏功率數(shù)據(jù)是非線(xiàn)性非平穩(wěn)的離散數(shù)據(jù),傳統(tǒng)線(xiàn)性時(shí)序模型方法存在較大的局限性,直接對(duì)其進(jìn)行預(yù)測(cè)建模具有較大的誤差.因此,采用EMD 對(duì)光伏發(fā)電功率曲線(xiàn)進(jìn)行分解,從而將原始環(huán)境信號(hào)中存在的不同尺度波動(dòng)或趨勢(shì)逐級(jí)分解出來(lái).對(duì)分解后的IMF 分量分別進(jìn)行AO-DELM 建模分析,再將各IMF 分量預(yù)測(cè)結(jié)果進(jìn)行疊加求和得到最終的預(yù)測(cè)值[22].

    具體步驟為:

    (1)采用EMD 對(duì)光伏歷史數(shù)據(jù)進(jìn)行分解,得到一組IMF 分量;

    (2)將各IMF 分量分別建立AO-DELM 模型,對(duì)各個(gè)分量進(jìn)行預(yù)測(cè);

    (3)疊加各子序列的預(yù)測(cè)結(jié)果并驗(yàn)證模型預(yù)測(cè)的準(zhǔn)確性.

    采用EMD 方法將光伏歷史數(shù)據(jù)分解為n個(gè)不同特征的IMF 分量以及一個(gè)余量Res,其中5 月份各IMF 序列如圖5 所示.IMF 分量能夠體現(xiàn)出原始數(shù)據(jù)的局部特征,更好地反映其周期項(xiàng)、隨機(jī)項(xiàng)以及趨勢(shì)項(xiàng),準(zhǔn)確反映出原始數(shù)據(jù)的特性.

    圖5 EMD分解序列

    其中,IMF1-IMF5 呈現(xiàn)不平穩(wěn)、振蕩的曲線(xiàn),屬于隨機(jī)項(xiàng);IMF6-IMF7 呈現(xiàn)平滑、頻率降低、周期性的趨勢(shì),屬于趨勢(shì)項(xiàng).因此,EMD 分解可凸顯原始光伏發(fā)電功率序列局部特征.EMD-AODELM 預(yù)測(cè)模型流程圖如圖6 所示.

    2.4 評(píng)價(jià)指標(biāo)

    為了驗(yàn)證本預(yù)測(cè)模型的有效性與準(zhǔn)確性,采用MAPE與RMSE兩者作為誤差指標(biāo).

    式中,yoi是樣本中第i個(gè)真實(shí)值(observed);ypi是樣本中第i個(gè)預(yù)測(cè)值(predicted).兩者數(shù)值越小,精度越高.

    3 實(shí)例分析

    本文的樣本數(shù)據(jù)均采集于青海某光伏電站,采集5月份共31天光伏輸出功率數(shù)據(jù),采集步長(zhǎng)為5 min.

    3.1 異常數(shù)據(jù)清洗

    在光伏電站實(shí)際采樣過(guò)程中,會(huì)產(chǎn)生一些異常數(shù)據(jù).異常數(shù)據(jù)會(huì)導(dǎo)致預(yù)測(cè)模型擬合度變差、泛化能力減弱.因此,必須對(duì)其進(jìn)行清洗.

    對(duì)異常數(shù)據(jù)的檢測(cè)采用3σ 準(zhǔn)則原理:

    式中,X表示光伏功率初始數(shù)據(jù);表示光伏功率初始數(shù)據(jù)平均值.

    在統(tǒng)計(jì)學(xué)上,3σ準(zhǔn)則是在正態(tài)分布中距平均值小于一個(gè)標(biāo)準(zhǔn)差、二個(gè)標(biāo)準(zhǔn)差、三個(gè)標(biāo)準(zhǔn)差以?xún)?nèi)的百分比,更精確的數(shù)字是68.27%、95.45%及99.73%.

    3.2 數(shù)據(jù)歸一化

    不同數(shù)據(jù)單位量程不一,這對(duì)模型的擬合速度造成影響,且不利于模型訓(xùn)練.為提升模型預(yù)測(cè)精度,對(duì)初始光伏功率數(shù)據(jù)進(jìn)行歸一化,將歸一化后的功率值保持在[0,1].其中,歸一化公式如下:

    式中,yi代表歸一化后的數(shù)據(jù);xi代表原始功率數(shù)據(jù)值.

    3.3 仿真結(jié)果

    本文采用MATLAB R2022a 對(duì)所提出控制策略進(jìn)行仿真分析,在本文所建立的預(yù)測(cè)模型中,設(shè)置DELM 模型隱含層層數(shù)為2;隱含層節(jié)點(diǎn)數(shù)分別為5,5;AO 最大迭代次數(shù)為200;種群數(shù)量為20;正則化系數(shù)設(shè)置為無(wú)窮大.公平起見(jiàn),作為對(duì)比的DELM 模型參數(shù)隱含層層數(shù)為2;隱含層節(jié)點(diǎn)數(shù)分別為5,5.

    將5 月數(shù)據(jù)按19∶1 分別劃分為訓(xùn)練集和測(cè)試集,并進(jìn)行歸一化處理.其中測(cè)試集取每日8 點(diǎn)至19 點(diǎn),日出之后時(shí)間段晴天和復(fù)雜天氣各一天,分別進(jìn)行仿真驗(yàn)證,步長(zhǎng)為5 min.

    預(yù)測(cè)仿真結(jié)果如圖7 所示.

    圖7 預(yù)測(cè)仿真結(jié)果

    綜合圖7 和表2 來(lái)看,晴天預(yù)測(cè)精度最高,主要是因?yàn)槿照障鄬?duì)穩(wěn)定,且光照呈現(xiàn)有規(guī)律的正態(tài)分布.復(fù)雜天氣預(yù)測(cè)精度相對(duì)較差是因?yàn)槿照詹环€(wěn)定且無(wú)規(guī)律,降水與云量較多,影響到光伏面板接收日照輻射.晴天數(shù)據(jù)呈現(xiàn)典型的正態(tài)分布,符合實(shí)際功率情況,預(yù)測(cè)模型準(zhǔn)確無(wú)誤.

    表2 誤差指標(biāo)數(shù)據(jù)

    綜上所述,通過(guò)仿真圖以及表2 誤差分析,本文提到的EMD-AO-DELM 模型相較于初始DELM模型,預(yù)測(cè)精度得到顯著提升,模型穩(wěn)定性更好,各項(xiàng)指標(biāo)明顯優(yōu)于其余兩種算法,能夠勝任實(shí)際光伏功率預(yù)測(cè)需求,更好地配合光伏并網(wǎng)調(diào)度工作.

    4 結(jié)論

    本文分析了5 月份的光伏發(fā)電預(yù)測(cè)情況,對(duì)光伏發(fā)電影響因素進(jìn)行了相關(guān)性分析,并對(duì)光伏歷史發(fā)電功率進(jìn)行了EMD 分解,對(duì)每個(gè)IMF 分量分別輸入AO-DELM 模型,最后將各分量結(jié)果進(jìn)行求和以得到預(yù)測(cè)結(jié)果.進(jìn)而提出了一種基于EMDAO-DELM 的光伏功率預(yù)測(cè)模型,通過(guò)仿真結(jié)果分析,得到如下結(jié)論:

    (1)在光伏發(fā)電影響因素當(dāng)中,光照總輻射和散射輻射與光伏功率呈現(xiàn)正相關(guān),對(duì)最后的預(yù)測(cè)結(jié)果起到關(guān)鍵性作用;氣壓和濕度與光伏功率呈現(xiàn)負(fù)相關(guān),在實(shí)際功率預(yù)測(cè)中,不宜作為輸入數(shù)據(jù).

    (2)針對(duì)光伏功率具有波動(dòng)性和隨機(jī)性的特點(diǎn),對(duì)歷史光伏功率數(shù)據(jù)進(jìn)行了EMD 分解,各分量之間相互獨(dú)立,分別進(jìn)行預(yù)測(cè),最后進(jìn)行疊加求和.仿真結(jié)果表明,采用EMD 分解方法后的預(yù)測(cè)效果更好.

    (3)本文實(shí)驗(yàn)方法在晴天以及復(fù)雜天氣的預(yù)測(cè)表現(xiàn)均優(yōu)于DELM 模型.其中,晴天預(yù)測(cè)精度最高,這與日照輻射呈有規(guī)律的正態(tài)分布、日照輻射較為穩(wěn)定有關(guān).

    猜你喜歡
    天鷹學(xué)習(xí)機(jī)分量
    奇怪森林
    “天鷹”妙計(jì)斗軍艦
    帽子的分量
    圖解美國(guó)TA-4J天鷹教練攻擊機(jī)
    軍事文摘(2020年4期)2020-05-28 02:31:05
    一物千斤
    智族GQ(2019年9期)2019-10-28 08:16:21
    極限學(xué)習(xí)機(jī)綜述
    論《哈姆雷特》中良心的分量
    基于極限學(xué)習(xí)機(jī)參數(shù)遷移的域適應(yīng)算法
    分量
    分層極限學(xué)習(xí)機(jī)在滾動(dòng)軸承故障診斷中的應(yīng)用
    在线观看美女被高潮喷水网站| 丁香六月天网| 午夜老司机福利剧场| 97精品久久久久久久久久精品| kizo精华| 街头女战士在线观看网站| 国产毛片在线视频| 久久免费观看电影| 尾随美女入室| 国产高清不卡午夜福利| 日韩中文字幕视频在线看片| 精品国产超薄肉色丝袜足j| 久久精品aⅴ一区二区三区四区 | 国产亚洲一区二区精品| 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 | 看免费成人av毛片| 久久午夜综合久久蜜桃| 日韩成人av中文字幕在线观看| 久久久久精品性色| av国产久精品久网站免费入址| 国产成人精品一,二区| 可以免费在线观看a视频的电影网站 | videos熟女内射| 18禁裸乳无遮挡动漫免费视频| 午夜福利乱码中文字幕| 国产成人a∨麻豆精品| 亚洲第一青青草原| 免费观看无遮挡的男女| 欧美最新免费一区二区三区| www日本在线高清视频| 久久久久久久久久久久大奶| 日韩 亚洲 欧美在线| 国产女主播在线喷水免费视频网站| kizo精华| 亚洲欧洲精品一区二区精品久久久 | 国产黄色免费在线视频| 伊人久久大香线蕉亚洲五| 在线看a的网站| 国产精品嫩草影院av在线观看| 一区二区av电影网| 宅男免费午夜| 下体分泌物呈黄色| 午夜福利乱码中文字幕| 日韩精品有码人妻一区| 精品久久久精品久久久| 久久精品人人爽人人爽视色| 美女福利国产在线| 看免费成人av毛片| 亚洲情色 制服丝袜| 亚洲国产看品久久| 欧美中文综合在线视频| 国产精品久久久av美女十八| 欧美日韩一级在线毛片| 国产免费一区二区三区四区乱码| 精品人妻熟女毛片av久久网站| 美女大奶头黄色视频| 久久午夜福利片| 黄色一级大片看看| 成人二区视频| 七月丁香在线播放| 久久精品国产鲁丝片午夜精品| 日韩大片免费观看网站| 久久久久精品人妻al黑| 婷婷色av中文字幕| 国产综合精华液| 在线看a的网站| 午夜影院在线不卡| 一区二区三区乱码不卡18| 日本av免费视频播放| 精品国产一区二区三区四区第35| 国产1区2区3区精品| 香蕉国产在线看| 赤兔流量卡办理| 少妇猛男粗大的猛烈进出视频| 1024视频免费在线观看| h视频一区二区三区| 精品卡一卡二卡四卡免费| 中文字幕色久视频| 制服丝袜香蕉在线| videos熟女内射| 久久人人爽人人片av| 久久久精品国产亚洲av高清涩受| 国产日韩欧美在线精品| 少妇猛男粗大的猛烈进出视频| 亚洲精品日韩在线中文字幕| 日本91视频免费播放| 我的亚洲天堂| av.在线天堂| 亚洲国产欧美日韩在线播放| av在线播放精品| 亚洲av成人精品一二三区| 国产精品二区激情视频| 国产日韩欧美视频二区| 2018国产大陆天天弄谢| 国产福利在线免费观看视频| av电影中文网址| 久久99一区二区三区| 女的被弄到高潮叫床怎么办| 亚洲精品国产色婷婷电影| 电影成人av| 90打野战视频偷拍视频| 日韩一区二区三区影片| 一本—道久久a久久精品蜜桃钙片| 欧美日韩综合久久久久久| 欧美日本中文国产一区发布| 在现免费观看毛片| 菩萨蛮人人尽说江南好唐韦庄| 欧美最新免费一区二区三区| 免费看av在线观看网站| 少妇被粗大猛烈的视频| 伊人久久国产一区二区| 啦啦啦中文免费视频观看日本| 纵有疾风起免费观看全集完整版| 高清在线视频一区二区三区| 五月天丁香电影| 亚洲欧洲精品一区二区精品久久久 | 成人手机av| 国产深夜福利视频在线观看| 我的亚洲天堂| 成人手机av| 成年动漫av网址| 老司机影院成人| 国产综合精华液| av免费观看日本| 亚洲精品国产av蜜桃| 一边亲一边摸免费视频| 国产毛片在线视频| 久久国产精品男人的天堂亚洲| 免费在线观看视频国产中文字幕亚洲 | 日韩 亚洲 欧美在线| 中文精品一卡2卡3卡4更新| 成人午夜精彩视频在线观看| 色婷婷久久久亚洲欧美| av福利片在线| 丝袜美腿诱惑在线| 高清在线视频一区二区三区| videossex国产| 国产精品一区二区在线不卡| 久久久久精品久久久久真实原创| 中文字幕另类日韩欧美亚洲嫩草| 精品国产一区二区三区四区第35| 91精品国产国语对白视频| 欧美精品av麻豆av| 日本wwww免费看| 两性夫妻黄色片| 人体艺术视频欧美日本| 亚洲视频免费观看视频| 日韩一区二区三区影片| 日本欧美国产在线视频| 亚洲内射少妇av| 18在线观看网站| 欧美激情 高清一区二区三区| 婷婷成人精品国产| 亚洲av免费高清在线观看| 七月丁香在线播放| 中文字幕人妻丝袜制服| 99国产精品免费福利视频| 18禁观看日本| 国精品久久久久久国模美| 日韩大片免费观看网站| 老鸭窝网址在线观看| 人妻 亚洲 视频| 最近2019中文字幕mv第一页| 中文字幕av电影在线播放| 国产一区二区在线观看av| 久久人妻熟女aⅴ| 日韩欧美一区视频在线观看| 免费看av在线观看网站| 久久久久国产一级毛片高清牌| 亚洲久久久国产精品| 少妇精品久久久久久久| 日韩精品免费视频一区二区三区| 欧美国产精品一级二级三级| 成年女人毛片免费观看观看9 | 哪个播放器可以免费观看大片| 黄色配什么色好看| 免费久久久久久久精品成人欧美视频| 国产极品天堂在线| 精品人妻在线不人妻| 日日啪夜夜爽| 精品一区在线观看国产| 国产精品偷伦视频观看了| 国产成人精品福利久久| 国产精品久久久久久久久免| 99久久精品国产国产毛片| 男女国产视频网站| 街头女战士在线观看网站| 亚洲三级黄色毛片| 国产av国产精品国产| 国产国语露脸激情在线看| 另类亚洲欧美激情| 老女人水多毛片| 亚洲精品第二区| 视频区图区小说| 亚洲精品久久成人aⅴ小说| av不卡在线播放| 亚洲国产欧美网| 欧美人与性动交α欧美软件| 成人漫画全彩无遮挡| 一区在线观看完整版| 亚洲人成77777在线视频| 宅男免费午夜| 一个人免费看片子| 新久久久久国产一级毛片| 在线免费观看不下载黄p国产| 啦啦啦视频在线资源免费观看| 国产片内射在线| 极品人妻少妇av视频| 亚洲精品视频女| 狠狠婷婷综合久久久久久88av| 免费大片黄手机在线观看| 成年女人在线观看亚洲视频| 欧美精品高潮呻吟av久久| 日日啪夜夜爽| 999精品在线视频| 亚洲一区中文字幕在线| 丝袜美足系列| 丰满少妇做爰视频| 2021少妇久久久久久久久久久| 亚洲国产精品成人久久小说| 亚洲欧美中文字幕日韩二区| 一边摸一边做爽爽视频免费| 啦啦啦啦在线视频资源| 看免费av毛片| www.熟女人妻精品国产| 中国国产av一级| 国产精品亚洲av一区麻豆 | 亚洲精品久久午夜乱码| 久久99一区二区三区| 少妇精品久久久久久久| 一本—道久久a久久精品蜜桃钙片| 91精品三级在线观看| 亚洲情色 制服丝袜| 91aial.com中文字幕在线观看| 美女中出高潮动态图| 国产精品久久久久久精品电影小说| 一区二区三区乱码不卡18| 午夜日本视频在线| 国产成人精品久久二区二区91 | 天天躁日日躁夜夜躁夜夜| 亚洲,欧美,日韩| 亚洲精品成人av观看孕妇| 黑人欧美特级aaaaaa片| 精品久久蜜臀av无| 亚洲av国产av综合av卡| 日产精品乱码卡一卡2卡三| av免费观看日本| 少妇人妻 视频| 婷婷色综合大香蕉| 又大又黄又爽视频免费| 国产熟女午夜一区二区三区| 国产一区二区在线观看av| 大码成人一级视频| 观看美女的网站| 国产成人av激情在线播放| 嫩草影院入口| 侵犯人妻中文字幕一二三四区| 妹子高潮喷水视频| 久久久欧美国产精品| 美女午夜性视频免费| 国产亚洲精品第一综合不卡| 国产日韩欧美在线精品| 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 | 欧美精品国产亚洲| 菩萨蛮人人尽说江南好唐韦庄| av免费在线看不卡| 国产精品 欧美亚洲| 久久精品久久精品一区二区三区| 嫩草影院入口| 亚洲欧美清纯卡通| 久久精品久久久久久久性| 日韩一区二区三区影片| 亚洲国产看品久久| 黄片小视频在线播放| 国产精品一区二区在线观看99| 中文天堂在线官网| 91国产中文字幕| 国产男女内射视频| 日本爱情动作片www.在线观看| 日本爱情动作片www.在线观看| 一二三四中文在线观看免费高清| 热re99久久国产66热| 亚洲婷婷狠狠爱综合网| 欧美国产精品va在线观看不卡| 中文字幕精品免费在线观看视频| 婷婷色av中文字幕| 丝瓜视频免费看黄片| 亚洲欧美成人精品一区二区| 精品少妇黑人巨大在线播放| 国产在线视频一区二区| 日本免费在线观看一区| 亚洲精品自拍成人| 人人妻人人澡人人看| 色哟哟·www| 日日摸夜夜添夜夜爱| 曰老女人黄片| 在线亚洲精品国产二区图片欧美| 国产av一区二区精品久久| 久久久国产精品麻豆| 欧美精品一区二区大全| 亚洲欧美成人综合另类久久久| 亚洲av.av天堂| 国产亚洲最大av| 精品久久久精品久久久| 久久久久久免费高清国产稀缺| 日韩在线高清观看一区二区三区| 老鸭窝网址在线观看| 国产男人的电影天堂91| 亚洲综合精品二区| 午夜精品国产一区二区电影| 久久av网站| 久久99精品国语久久久| 一边亲一边摸免费视频| 亚洲欧美一区二区三区久久| 免费黄色在线免费观看| 巨乳人妻的诱惑在线观看| 精品国产乱码久久久久久男人| 一区在线观看完整版| 国产激情久久老熟女| 我要看黄色一级片免费的| 亚洲av在线观看美女高潮| av有码第一页| 日韩av在线免费看完整版不卡| 国产精品三级大全| 五月天丁香电影| 十八禁高潮呻吟视频| 老司机影院毛片| 看非洲黑人一级黄片| 观看美女的网站| 最近的中文字幕免费完整| 国产亚洲av片在线观看秒播厂| 欧美老熟妇乱子伦牲交| 亚洲av中文av极速乱| 国产男人的电影天堂91| 亚洲欧美一区二区三区久久| 丝袜在线中文字幕| 亚洲精品一二三| 永久网站在线| 又大又黄又爽视频免费| 久久精品久久精品一区二区三区| 婷婷色av中文字幕| 亚洲男人天堂网一区| 精品国产乱码久久久久久小说| 中文字幕av电影在线播放| 在线观看www视频免费| 一区福利在线观看| 国产av码专区亚洲av| 中国三级夫妇交换| 日韩免费高清中文字幕av| 97在线人人人人妻| 天堂中文最新版在线下载| av片东京热男人的天堂| 午夜91福利影院| 精品人妻一区二区三区麻豆| 国产av精品麻豆| 性少妇av在线| 国产精品久久久久久av不卡| 秋霞在线观看毛片| 亚洲人成网站在线观看播放| 亚洲av中文av极速乱| 国产男人的电影天堂91| 又黄又粗又硬又大视频| 高清在线视频一区二区三区| 天堂中文最新版在线下载| 久久久国产一区二区| 午夜激情av网站| 亚洲,欧美精品.| 日本午夜av视频| 久久午夜福利片| 天天躁狠狠躁夜夜躁狠狠躁| av.在线天堂| 爱豆传媒免费全集在线观看| 女性被躁到高潮视频| 久久久a久久爽久久v久久| 久久精品国产亚洲av高清一级| 黑人猛操日本美女一级片| 欧美精品亚洲一区二区| 亚洲精华国产精华液的使用体验| 成人国产麻豆网| 免费在线观看视频国产中文字幕亚洲 | 这个男人来自地球电影免费观看 | 成人国产av品久久久| 丰满迷人的少妇在线观看| 一级片'在线观看视频| 黄片播放在线免费| 午夜福利乱码中文字幕| 桃花免费在线播放| 久久 成人 亚洲| 国产毛片在线视频| 国产麻豆69| 不卡av一区二区三区| 一级毛片黄色毛片免费观看视频| 国产高清国产精品国产三级| 久久久久久久大尺度免费视频| 免费女性裸体啪啪无遮挡网站| 伦理电影免费视频| 久久精品熟女亚洲av麻豆精品| 成年女人毛片免费观看观看9 | 亚洲少妇的诱惑av| 少妇被粗大猛烈的视频| 国产精品嫩草影院av在线观看| 人人妻人人澡人人爽人人夜夜| 欧美少妇被猛烈插入视频| 日韩制服丝袜自拍偷拍| 久久精品国产亚洲av高清一级| 国产人伦9x9x在线观看 | √禁漫天堂资源中文www| 91精品国产国语对白视频| 天天躁夜夜躁狠狠躁躁| 大香蕉久久网| av免费在线看不卡| 国产片特级美女逼逼视频| 国产精品国产av在线观看| 汤姆久久久久久久影院中文字幕| 9色porny在线观看| 欧美成人午夜免费资源| 寂寞人妻少妇视频99o| 一二三四中文在线观看免费高清| 国产又色又爽无遮挡免| 少妇的丰满在线观看| 丝袜美腿诱惑在线| 精品一区二区免费观看| 曰老女人黄片| 精品福利永久在线观看| 男男h啪啪无遮挡| 成人午夜精彩视频在线观看| 一本—道久久a久久精品蜜桃钙片| 亚洲一区中文字幕在线| 不卡视频在线观看欧美| 亚洲综合色网址| 久久99精品国语久久久| 日韩不卡一区二区三区视频在线| 免费观看无遮挡的男女| 国产亚洲av片在线观看秒播厂| 男女下面插进去视频免费观看| 伦理电影免费视频| 国产成人欧美| 伦精品一区二区三区| 久久这里只有精品19| a级毛片黄视频| 99re6热这里在线精品视频| 国产一区二区在线观看av| 夜夜骑夜夜射夜夜干| 青春草视频在线免费观看| 美女大奶头黄色视频| 久久综合国产亚洲精品| 欧美成人午夜免费资源| 国产女主播在线喷水免费视频网站| 亚洲av电影在线观看一区二区三区| 九九爱精品视频在线观看| 你懂的网址亚洲精品在线观看| 啦啦啦视频在线资源免费观看| 免费日韩欧美在线观看| 亚洲精品美女久久久久99蜜臀 | av国产精品久久久久影院| 中文字幕亚洲精品专区| 国产熟女欧美一区二区| 久久久精品国产亚洲av高清涩受| 不卡av一区二区三区| 在线精品无人区一区二区三| 菩萨蛮人人尽说江南好唐韦庄| 五月天丁香电影| 久久亚洲国产成人精品v| 日韩大片免费观看网站| 亚洲精品在线美女| 亚洲第一区二区三区不卡| xxxhd国产人妻xxx| 在线观看一区二区三区激情| 日本av免费视频播放| av电影中文网址| 国产探花极品一区二区| 国产亚洲欧美精品永久| 18禁动态无遮挡网站| 精品人妻偷拍中文字幕| 国产1区2区3区精品| 人妻 亚洲 视频| 亚洲av成人精品一二三区| 一级黄片播放器| 狠狠婷婷综合久久久久久88av| 欧美国产精品一级二级三级| 在线观看人妻少妇| 99热国产这里只有精品6| 超碰97精品在线观看| 在线天堂最新版资源| 激情五月婷婷亚洲| 精品人妻一区二区三区麻豆| 亚洲精品久久久久久婷婷小说| 欧美人与性动交α欧美软件| 国产午夜精品一二区理论片| 精品一区二区免费观看| 国产白丝娇喘喷水9色精品| 18禁裸乳无遮挡动漫免费视频| 亚洲国产欧美日韩在线播放| 免费观看av网站的网址| 亚洲美女视频黄频| 我要看黄色一级片免费的| 黄色配什么色好看| 亚洲欧洲精品一区二区精品久久久 | 久热这里只有精品99| 亚洲综合色惰| 亚洲欧美一区二区三区国产| 国产高清不卡午夜福利| 天美传媒精品一区二区| 国产xxxxx性猛交| 人人妻人人澡人人看| 另类精品久久| 1024视频免费在线观看| 我要看黄色一级片免费的| 亚洲精品美女久久av网站| 日韩av免费高清视频| 成年av动漫网址| 国产 一区精品| 国产精品免费视频内射| 免费观看在线日韩| 午夜福利视频精品| 尾随美女入室| av一本久久久久| 亚洲国产看品久久| av免费在线看不卡| 老熟女久久久| 五月伊人婷婷丁香| 激情视频va一区二区三区| 亚洲激情五月婷婷啪啪| 国产精品熟女久久久久浪| 成人亚洲欧美一区二区av| 黄色毛片三级朝国网站| 亚洲男人天堂网一区| 亚洲欧洲精品一区二区精品久久久 | 少妇人妻 视频| 国产成人欧美| 中文欧美无线码| 麻豆精品久久久久久蜜桃| 久久免费观看电影| 女性被躁到高潮视频| av.在线天堂| 美国免费a级毛片| 看免费成人av毛片| 人人妻人人添人人爽欧美一区卜| 亚洲欧美成人精品一区二区| 欧美少妇被猛烈插入视频| 日韩精品免费视频一区二区三区| 中文字幕色久视频| 精品亚洲成国产av| 制服诱惑二区| 热re99久久精品国产66热6| 亚洲av中文av极速乱| 日韩 亚洲 欧美在线| 满18在线观看网站| 曰老女人黄片| 男女免费视频国产| 又黄又粗又硬又大视频| 国产男女超爽视频在线观看| 国产免费视频播放在线视频| 欧美+日韩+精品| 青青草视频在线视频观看| 1024香蕉在线观看| 色婷婷av一区二区三区视频| 麻豆乱淫一区二区| 日韩av在线免费看完整版不卡| 国产老妇伦熟女老妇高清| 大陆偷拍与自拍| av卡一久久| 成人亚洲精品一区在线观看| 免费观看无遮挡的男女| 黄色配什么色好看| av国产精品久久久久影院| 精品少妇黑人巨大在线播放| 丰满乱子伦码专区| h视频一区二区三区| 中文精品一卡2卡3卡4更新| 亚洲精品一区蜜桃| 波多野结衣一区麻豆| 久久人人爽人人片av| 男的添女的下面高潮视频| 国产精品嫩草影院av在线观看| 黄频高清免费视频| 一本久久精品| 一级毛片黄色毛片免费观看视频| videossex国产| 最近中文字幕2019免费版| 日韩欧美精品免费久久| 欧美最新免费一区二区三区| 亚洲国产欧美网| 国产免费现黄频在线看| 久久 成人 亚洲| 90打野战视频偷拍视频| 99九九在线精品视频| 国产精品一区二区在线观看99| 大片免费播放器 马上看| 人人妻人人澡人人爽人人夜夜| 嫩草影院入口| 欧美日韩综合久久久久久| 一本久久精品| 亚洲欧美一区二区三区黑人 | 日本黄色日本黄色录像| 最近中文字幕高清免费大全6| 九草在线视频观看| 91在线精品国自产拍蜜月| 尾随美女入室| 久久久久久久精品精品| 久久久久精品人妻al黑| 国产1区2区3区精品| 成人亚洲欧美一区二区av| 天天躁日日躁夜夜躁夜夜| 日本免费在线观看一区| 国产精品熟女久久久久浪| 老鸭窝网址在线观看| 啦啦啦啦在线视频资源| 如日韩欧美国产精品一区二区三区| 欧美日韩亚洲高清精品| 国产极品粉嫩免费观看在线| 99久久人妻综合| 亚洲一级一片aⅴ在线观看| 国产精品香港三级国产av潘金莲 | 天天躁狠狠躁夜夜躁狠狠躁|