• <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 ?

    基于深度神經(jīng)網(wǎng)絡(luò)的電力工程負(fù)荷預(yù)測與優(yōu)化

    2024-12-19 00:00:00李大全
    中國新技術(shù)新產(chǎn)品 2024年23期
    關(guān)鍵詞:負(fù)荷預(yù)測電力系統(tǒng)神經(jīng)網(wǎng)絡(luò)

    摘 要:電力負(fù)荷預(yù)測和優(yōu)化是電力工程中的重要研究領(lǐng)域,精確的電力負(fù)荷預(yù)測有助于電力工程項目負(fù)責(zé)人提前制定用電計劃、優(yōu)化資源配置和提高運行效率。首先,本文采用F-score特征評價方法選擇合適、有效的特征量。其次,利用深度神經(jīng)網(wǎng)絡(luò)構(gòu)建特征量與電力負(fù)荷間的預(yù)測模型,并對模型進(jìn)行修正。在此基礎(chǔ)上,基于神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本,剔除冗余數(shù)據(jù),得到電網(wǎng)負(fù)荷數(shù)據(jù)集,并利用神經(jīng)網(wǎng)絡(luò)分類器對輸出集進(jìn)行分類和融合,優(yōu)化電力負(fù)荷預(yù)測結(jié)果。仿真結(jié)果表明,本文提出的預(yù)測方法能夠較好地逼近實際電力負(fù)荷,平均絕對誤差MAPE和均方根誤差分別為2.69和1.79。運算時長、擬合程度和電力負(fù)荷值均證明優(yōu)化后的深度神經(jīng)網(wǎng)絡(luò)具有精度高、抗干擾能力強(qiáng)等優(yōu)點,能夠在電力工程中進(jìn)行推廣和應(yīng)用。

    關(guān)鍵詞:負(fù)荷預(yù)測;電力系統(tǒng);F-score特征;神經(jīng)網(wǎng)絡(luò);均方根誤差

    中圖分類號:TP 870 " " " " " " " " " " " 文獻(xiàn)標(biāo)志碼:A

    電力工程包括電能生產(chǎn)、輸送、調(diào)配以及應(yīng)用相關(guān)領(lǐng)域,電力負(fù)荷是電力輸送和調(diào)配穩(wěn)定性的保證,對電力工程至關(guān)重要。電力負(fù)荷預(yù)測與優(yōu)化是電力工程領(lǐng)域中的重要研究方向。隨著能源需求持續(xù)增加、電力市場日趨復(fù)雜,對電力系統(tǒng)進(jìn)行負(fù)荷預(yù)測與優(yōu)化的研究十分重要。雖然傳統(tǒng)的時間序列分析法、回歸分析法等方法能夠滿足電網(wǎng)運行的需要,但是對變化復(fù)雜的負(fù)荷數(shù)據(jù)來說,其預(yù)測的準(zhǔn)確性和穩(wěn)健性均不能令人滿意[1]。因此本文提出基于深度神經(jīng)網(wǎng)絡(luò)的電力工程負(fù)荷預(yù)測與優(yōu)化研究。電力系統(tǒng)負(fù)荷預(yù)測是在綜合考慮歷史負(fù)荷、經(jīng)濟(jì)條件、氣象條件和社會事件等因素的基礎(chǔ)上,對未來負(fù)荷進(jìn)行預(yù)測的過程。在電網(wǎng)規(guī)劃與調(diào)度過程中,負(fù)荷預(yù)測是一項非常重要的工作,短期預(yù)測可以為機(jī)組的啟停、調(diào)度等工作提供基礎(chǔ),準(zhǔn)確地預(yù)測電力系統(tǒng)的動態(tài)變化是保證電力系統(tǒng)正常發(fā)展,并保障其安全運行的前提,也是電力系統(tǒng)有序規(guī)劃用電、響應(yīng)用電需求以及電力市場順利發(fā)展的重要基礎(chǔ),對電網(wǎng)優(yōu)化調(diào)度和電力市場均有十分重要的作用[2]。由于負(fù)荷預(yù)測具有強(qiáng)烈的隨機(jī)性,并會受天氣等影響,難以進(jìn)行準(zhǔn)確的預(yù)測,因此,加強(qiáng)對高負(fù)荷預(yù)測的研究、提高負(fù)荷精度是電網(wǎng)安全、經(jīng)濟(jì)運行的關(guān)鍵。

    1 基于深度神經(jīng)網(wǎng)絡(luò)的電力工程負(fù)荷預(yù)測方法

    對電力工程中的電力規(guī)劃和電力建設(shè)來說,準(zhǔn)確的負(fù)荷預(yù)測有助于合理規(guī)劃電源建設(shè)和電網(wǎng)布局、判定新增發(fā)電容量的規(guī)模/類型以及改進(jìn)輸電/變電設(shè)施的擴(kuò)建和改造計劃。因此電力負(fù)荷預(yù)測是電力工程中一項關(guān)鍵的工作,研究負(fù)荷預(yù)測方法對電力工程規(guī)劃、建設(shè)等具有重要意義。

    1.1 F-score特征選擇

    在對電力系統(tǒng)進(jìn)行短期負(fù)荷預(yù)測過程中,必須從海量的數(shù)據(jù)中抽取對其有重要作用的因子。特征選擇旨在剔除冗余的特征量,從原始特征集合中選擇能夠反映整體或大多數(shù)信息的最佳特征量,以達(dá)到降低特征空間維度的目的。F-score特性評估標(biāo)準(zhǔn)是一種簡便、高效的類內(nèi)、類間距離度量標(biāo)準(zhǔn),可以根據(jù)類別間的距離選出最有價值的特征。在訓(xùn)練樣本集合Xk∈Rm(k=1,2,…,n)中,訓(xùn)練樣本第i個特征的F-score值Fi如公式(1)所示。

    (1)

    式中:l(l≥2)為抽樣類的數(shù)目;nj(j=1,2,…,l)為第類別樣品的數(shù)量;、分別為數(shù)據(jù)集合中特征i的平均和數(shù)據(jù)集合j的平均;xk,i(j)為集合j在類別k中的特征i;為集合j在第i個特征上的平均值。

    公式(1)中的分子是每一類近似類間距離的平方和,而分母是總的類內(nèi)樣本協(xié)方差,F(xiàn)-score值較大,表明具有較高的類別判別能力,即類間越稀疏、類別內(nèi)部越稠密,分類效果越好,這個特征的重要性也越高,因此可以設(shè)置閾值,以選擇最佳特征子集[3]。根據(jù)F-score值對各個特征進(jìn)行降序排序,并對相鄰2個特性的F-score值和坐標(biāo)軸圍繞的區(qū)域進(jìn)行積分,累計積分,進(jìn)而串聯(lián)起來得到光滑的S曲線。曲線S的拐點就是需要設(shè)定的閾值0。因此,可以把閾值0表達(dá)成S二階差分的極大值,如公式(2)所示。

    (2)

    式中:fi為第i個特征的二階差分值;Si為第i個特征的累積積分;n為特征的總數(shù);Sn為最后一個特征的累積積分值;|fi-fi-1|為第i個特征和第i-1個特征的二階差分值的絕對值;S0=0為各特征的F-score值等于0。

    1.2 電力負(fù)荷預(yù)測

    本文采用F-score特征篩選與深層神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法,建立基于F-score特征篩選與深度神經(jīng)網(wǎng)絡(luò)相結(jié)合的電力負(fù)荷預(yù)測主要流程。電力負(fù)荷預(yù)測主要流程如圖1所示,該流程可從數(shù)據(jù)中自動抽取數(shù)據(jù)本質(zhì)特征,比傳統(tǒng)神經(jīng)網(wǎng)絡(luò)訓(xùn)練速度更快、魯棒性強(qiáng),不易陷入局部極值,能夠更好地適應(yīng)負(fù)荷預(yù)測需求。將均值誤差ε作為深層神經(jīng)網(wǎng)絡(luò)的適合度函數(shù),如公式(3)所示。

    (3)

    式中:c為預(yù)測數(shù)據(jù)點總數(shù);Yij為第i個點的實際負(fù)載值;yij為深度神經(jīng)網(wǎng)絡(luò)預(yù)測的負(fù)載值。

    對采集的電力負(fù)荷數(shù)據(jù)進(jìn)行預(yù)處理,包括數(shù)據(jù)清洗、歸一化等處理,消除噪聲和野值的影響。

    獲得預(yù)測輸出值后,再反歸一化為實際負(fù)荷值,如公式(4)所示。

    yi=yi'(xmax-xmin)+xmin (4)

    式中:yi為歸一化的實際負(fù)載值;yi'為逆向歸一化的真實載荷值;xmax和xmin分別為最大值和最小值。

    為了檢驗預(yù)報的有效性,分別采用2個指數(shù),即平均絕對誤差百分比(MAPE)和均方根誤差(RMSE),如公式(5)所示。

    (5)

    式中:為第i個時間點的預(yù)測負(fù)載值。

    2 電力工程負(fù)荷數(shù)據(jù)處理與優(yōu)化模型構(gòu)建

    2.1 電力負(fù)荷數(shù)據(jù)預(yù)處理

    基于深度神經(jīng)網(wǎng)絡(luò)的電力工程負(fù)荷預(yù)測與優(yōu)化模型主要包括特征選擇、模型構(gòu)建、樣本訓(xùn)練和預(yù)測優(yōu)化4個步驟。首先,利用F-score特征評價方法對原始負(fù)荷數(shù)據(jù)進(jìn)行特征選擇,提取對負(fù)荷預(yù)測有影響的關(guān)鍵特征。其次,利用深度神經(jīng)網(wǎng)絡(luò)構(gòu)建特征量與負(fù)荷間的預(yù)測模型,并調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)、激活函數(shù)和損失函數(shù)等參數(shù),優(yōu)化模型的性能。再次,利用樣本數(shù)據(jù)對模型進(jìn)行訓(xùn)練,采用反向傳播算法調(diào)整網(wǎng)絡(luò)參數(shù),使模型能夠準(zhǔn)確地預(yù)測負(fù)荷值。最后,利用神經(jīng)網(wǎng)絡(luò)分類器對預(yù)測結(jié)果進(jìn)行分類和融合,進(jìn)一步優(yōu)化負(fù)荷預(yù)測結(jié)果。完成對電力負(fù)荷離散數(shù)據(jù)的檢測和校正后,對電力負(fù)荷數(shù)據(jù)統(tǒng)一進(jìn)行預(yù)處理,包括數(shù)據(jù)凈化和數(shù)據(jù)規(guī)范化。剔除原始數(shù)據(jù)集中的冗余信息,填充數(shù)據(jù)鄰域的均值或者中間值,以保證數(shù)據(jù)序列的完整性。處理包括多余數(shù)據(jù)和丟失數(shù)據(jù)的錯誤數(shù)據(jù),如公式(6)所示。

    (6)

    式中:y(t)為電網(wǎng)目前的負(fù)荷順序;x(t)為剔除誤差后的載荷序列;m為異常數(shù)據(jù)的數(shù)目;ωi為對離散數(shù)據(jù)有影響力的參數(shù);Iit為在采樣時間t下,功率負(fù)載數(shù)據(jù)所對應(yīng)的脈沖函數(shù)。

    電力負(fù)荷數(shù)據(jù)具有正態(tài)分布的特性,如果使用傳統(tǒng)的偏差標(biāo)準(zhǔn)化方法,就會打亂原來的時序分布。平均標(biāo)準(zhǔn)化處理后的電量數(shù)據(jù)如公式(7)所示。

    (7)

    式中:x、x'分別為平均標(biāo)準(zhǔn)化前和平均標(biāo)準(zhǔn)化后的電量數(shù)據(jù);ms為原功率負(fù)載資料的均值;sx為原電負(fù)載資料的標(biāo)準(zhǔn)偏差。

    基于此對電力負(fù)載數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理,使其既能保證數(shù)據(jù)的維數(shù),又能保證序列的正態(tài)分布特性。針對相同日期的電力負(fù)荷數(shù)據(jù)X=(X1,X2,…,Xn),利用絕對中值差分方法進(jìn)行異常數(shù)據(jù)識別,獲得一組電力負(fù)載數(shù)據(jù)的平均數(shù)X,如公式(8)所示。

    W=median(|Xi-|) (8)

    式中:median為中間函數(shù)。

    利用公式(8)求出中間值后,可以得到一個比較合理的日電力負(fù)荷數(shù)據(jù)數(shù)值范圍[-nW,+nW],如果超過這個范圍,就判定為不正常。將X'作為類似日期的異常負(fù)荷數(shù)據(jù),對識別出的異常數(shù)據(jù)X'的缺失值,采用拉格朗日差方法進(jìn)行填補(bǔ),即基于荷載數(shù)據(jù)點間的連續(xù)性變化,對缺失點前、后的數(shù)值進(jìn)行插值修復(fù),從而填補(bǔ)缺損點。在此基礎(chǔ)上,針對已有的日均電量數(shù)據(jù),進(jìn)行數(shù)據(jù)凈化和數(shù)據(jù)規(guī)范化預(yù)處理,利用數(shù)據(jù)凈化技術(shù)修補(bǔ)原負(fù)荷數(shù)據(jù)中存在的離群點,對不同維度的原始數(shù)據(jù)進(jìn)行歸一化處理,對同一時間點進(jìn)行變換,從而保證數(shù)據(jù)的質(zhì)量[4]。

    2.2 神經(jīng)網(wǎng)絡(luò)分類負(fù)荷預(yù)測優(yōu)化

    本文針對負(fù)荷分層特征,確立基于多層深層神經(jīng)網(wǎng)絡(luò)(DNN)的建模方法,采用多種網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)對其進(jìn)行分層采樣,以高效描述負(fù)荷分層特征。采用深層神經(jīng)網(wǎng)絡(luò)對圖像進(jìn)行初步特征提取和非線性轉(zhuǎn)換,并將其輸入已有的預(yù)測模型中。該方法充分發(fā)揮了深度學(xué)習(xí)的優(yōu)勢,并將其與傳統(tǒng)預(yù)測模型的穩(wěn)定性能相結(jié)合,更好地解決復(fù)雜、多變的電網(wǎng)負(fù)荷預(yù)測問題[5]。利用神經(jīng)網(wǎng)絡(luò)分類器對所抽取的電力負(fù)載的特征量進(jìn)行分類和融合,并在此基礎(chǔ)上對所抽取的電能進(jìn)行分類和融合。

    本文在優(yōu)化過程中,重點對模型參數(shù)進(jìn)行了合理調(diào)節(jié)和選取。采用交叉驗證、網(wǎng)格搜索等方法,系統(tǒng)評價各參數(shù)組合對模型性能的影響,篩選出最優(yōu)參數(shù)。同時采用早停方法,避免當(dāng)測試集中的性能無法繼續(xù)提高時,提前停止訓(xùn)練。進(jìn)而利用真實電網(wǎng)數(shù)據(jù)對提出的理論和算法進(jìn)行深入研究,建立電網(wǎng)負(fù)荷預(yù)測與優(yōu)化模型,使其具有較高的平均絕對誤差和均方根值。

    3 電力負(fù)荷預(yù)測仿真分析

    3.1 電力負(fù)荷預(yù)測準(zhǔn)備

    為了驗證基于深度神經(jīng)網(wǎng)絡(luò)的電力工程負(fù)荷預(yù)測與優(yōu)化模型的有效性,本文進(jìn)行了仿真試驗。試驗數(shù)據(jù)來自某電力公司的實際負(fù)荷數(shù)據(jù),包括多個時間段的負(fù)荷值和相應(yīng)的天氣、節(jié)假日等影響因素。特征量F-score值降序排列如圖2所示,采用上述F-score特征選取法,選出9個排序較高的特征量,并將其作為負(fù)載預(yù)測的特征量。

    在試驗中,先對數(shù)據(jù)進(jìn)行預(yù)處理和特征選擇,然后構(gòu)建深度神經(jīng)網(wǎng)絡(luò)預(yù)測模型,并利用樣本數(shù)據(jù)進(jìn)行訓(xùn)練,再將觀測數(shù)據(jù)中的負(fù)荷、氣象數(shù)據(jù)按照8∶2的比例分為訓(xùn)練和測試2種類型。其中,預(yù)先選取的負(fù)載特性包括對當(dāng)日h-1期間的負(fù)載值進(jìn)行預(yù)測、對當(dāng)日h-1期間的負(fù)荷值進(jìn)行預(yù)報、對當(dāng)日h-3期間的負(fù)荷值進(jìn)行預(yù)報、對當(dāng)日h-3期間的載荷值進(jìn)行預(yù)報、對當(dāng)日的數(shù)據(jù)種類進(jìn)行預(yù)報、對2023年10月8日的氣溫進(jìn)行預(yù)測、對2023年10月1日的天氣情況進(jìn)行預(yù)報。

    3.2 誤差結(jié)果

    將本文算法與傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)以及不采用F-score特征的深度神經(jīng)網(wǎng)絡(luò)進(jìn)行比較,得到3種算法的預(yù)測結(jié)果及其與實際負(fù)荷間的偏差曲線。不同方法的負(fù)荷預(yù)測結(jié)果如圖3所示。當(dāng)電力負(fù)荷值為12時,負(fù)荷實際值為7500。傳統(tǒng)神經(jīng)網(wǎng)絡(luò)方法的負(fù)荷值為7300,本文的改進(jìn)深度神經(jīng)網(wǎng)絡(luò)的負(fù)荷值為7543,接近電力負(fù)荷實際值,誤差較小。

    預(yù)測結(jié)果誤差情況見表1,可以看出,采用F-score特征選取的深層神經(jīng)網(wǎng)絡(luò)可以取得最佳預(yù)測效果,該算法的預(yù)測結(jié)果與實際負(fù)荷的偏差最小,并且RMSE為1.79,也是最小的。傳統(tǒng)深度神經(jīng)網(wǎng)絡(luò)的MAPE為4.14,RMSE為5.53,預(yù)測時間為131.26s,而本文的改進(jìn)深度神經(jīng)網(wǎng)絡(luò)方法的MAPE為2.70,RMSE為1.80,預(yù)測時間為123.52s,預(yù)測時間比傳統(tǒng)神經(jīng)網(wǎng)絡(luò)快了7.7s。因此,利用F-score的特征選取可以進(jìn)一步提升深層神經(jīng)網(wǎng)絡(luò)的預(yù)測能力,使其預(yù)測時間更短,能夠更好地滿足實時負(fù)荷預(yù)測的需求。因此本文的改進(jìn)深度神經(jīng)網(wǎng)絡(luò)在電力負(fù)荷預(yù)測用時方面具有顯著優(yōu)勢,這不僅有助于在最短的時間內(nèi)完成電力資源的優(yōu)化配置,而且能幫助電力工程負(fù)責(zé)人提前安排作業(yè)機(jī)組啟動。

    3.3 精度對比

    對本文所建模型在不同時段、不同負(fù)載特征下的預(yù)測精度進(jìn)行評價,電力負(fù)荷預(yù)測值的精度對比見表2。與BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)深度神經(jīng)網(wǎng)絡(luò)相比,本文方法的預(yù)測準(zhǔn)確率有顯著提高。特別是尖峰時段,負(fù)荷波動劇烈,常規(guī)方法很難精確捕獲。對負(fù)荷特性進(jìn)行精細(xì)化篩選,并對模型參數(shù)進(jìn)行優(yōu)化,可以更好地擬合負(fù)荷變化趨勢,降低預(yù)報誤差。在低谷期,雖然負(fù)荷變化不大,但是該方法仍能保持較高的預(yù)報精度。當(dāng)?shù)螖?shù)為100時,第一次精度為0.896,第三次精度為0.835,比第一次低了0.061,迭代次數(shù)越多,精度越小,表明采用本文方法進(jìn)行高壓電網(wǎng)電力負(fù)荷采集的精度較高。準(zhǔn)確的負(fù)荷預(yù)測能夠促進(jìn)電力工程中的電源建設(shè)和電網(wǎng)布局,因此本文方法可加強(qiáng)對電力工程輸變電相關(guān)設(shè)施的擴(kuò)建,并完善改造計劃。

    4 結(jié)論

    本文采用F-score特征選取與深層神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法,對電力負(fù)荷進(jìn)行高精度預(yù)報。試驗證明,本文提出的F-score特征選取算法具有較高的預(yù)測精度與高效性,可以為電網(wǎng)安全、穩(wěn)定運行與優(yōu)化調(diào)度提供重要支撐。尤其當(dāng)負(fù)載達(dá)到12級時,其預(yù)報結(jié)果與實測結(jié)果基本吻合,誤差較小。與單個模型相比,本文方法能夠有效提高電力系統(tǒng)的負(fù)荷預(yù)測精度和可靠性,其預(yù)測結(jié)果與實際負(fù)荷值的偏差最小,平均絕對誤差MAPE為2.69,均方根誤差RMSE為1.79,預(yù)測精度顯著提升,證明本文方法在電力負(fù)荷預(yù)測領(lǐng)域具有有效性,提升了電力工程的規(guī)劃效果和運行穩(wěn)定性,在電力工程運行研究中具有實用價值。

    參考文獻(xiàn)

    [1]曾泓泰,郭慶來,周艷真,等.面向電網(wǎng)運行方式計算的不收斂潮流無功調(diào)整方法[J].電力系統(tǒng)保護(hù)與控制,2022,50(19):1-12.

    [2]尹浩然,張玲華.基于N-BEATS的能源互聯(lián)網(wǎng)負(fù)荷預(yù)測[J].電子設(shè)計工程,2024,32(11):76-81.

    [3]生紅瑩,趙偉國,陳揚(yáng),等.基于深度數(shù)據(jù)挖掘的電力系統(tǒng)短期負(fù)荷預(yù)測[J].吉林大學(xué)學(xué)報(信息科學(xué)版),2023,41(1):131-137.

    [4]蔣燕,王秀峰,高道春,等.面向區(qū)域綜合能源系統(tǒng)的電-氣負(fù)荷聯(lián)合預(yù)測研究[J].電測與儀表,2023,60(5):154-158.

    [5]張赫.基于數(shù)據(jù)關(guān)聯(lián)性挖掘的電力系統(tǒng)暫態(tài)穩(wěn)定態(tài)勢感知研究[J].電氣應(yīng)用,2024,43(5):93-101.

    猜你喜歡
    負(fù)荷預(yù)測電力系統(tǒng)神經(jīng)網(wǎng)絡(luò)
    神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    電力系統(tǒng)短期負(fù)荷研究綜述
    電力系統(tǒng)負(fù)荷的一元線性模型預(yù)測方法
    價值工程(2016年32期)2016-12-20 20:19:59
    面向云計算的智能電網(wǎng)負(fù)荷預(yù)測平臺模型研究
    基于電力系統(tǒng)負(fù)荷預(yù)測方法的配電網(wǎng)規(guī)劃中的實踐研究
    青年時代(2016年29期)2016-12-09 20:31:03
    試論電力繼電保護(hù)運行及可靠性問題
    信息時代的電力系統(tǒng)信息化經(jīng)驗談
    探討電力系統(tǒng)中配網(wǎng)自動化技術(shù)
    科技視界(2016年21期)2016-10-17 20:00:58
    配網(wǎng)自動化技術(shù)的應(yīng)用探討
    科技視界(2016年21期)2016-10-17 19:54:47
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機(jī)控制模型建立
    日本与韩国留学比较| 十八禁国产超污无遮挡网站| 老师上课跳d突然被开到最大视频| 尾随美女入室| 日本黄色视频三级网站网址| 国产黄片美女视频| 菩萨蛮人人尽说江南好唐韦庄 | 午夜精品国产一区二区电影 | 国产一区二区三区在线臀色熟女| 成人av在线播放网站| 亚洲人成网站在线播| 久久久久免费精品人妻一区二区| 91午夜精品亚洲一区二区三区| 久久这里只有精品中国| av在线天堂中文字幕| 午夜精品在线福利| 老师上课跳d突然被开到最大视频| 久久鲁丝午夜福利片| 久久久久久九九精品二区国产| 一区福利在线观看| 97在线视频观看| 亚洲欧美日韩高清专用| 日本一本二区三区精品| 婷婷精品国产亚洲av| 久久人人精品亚洲av| АⅤ资源中文在线天堂| 一边摸一边抽搐一进一小说| 国产高清三级在线| 国产成人freesex在线 | 99热全是精品| 可以在线观看毛片的网站| 免费观看在线日韩| 99久久精品热视频| 99久久无色码亚洲精品果冻| 国内久久婷婷六月综合欲色啪| 欧美+日韩+精品| 欧美一区二区精品小视频在线| 久久国产乱子免费精品| 成人漫画全彩无遮挡| 给我免费播放毛片高清在线观看| 日本黄色片子视频| 特级一级黄色大片| 国产午夜精品论理片| 精品人妻偷拍中文字幕| 精品久久国产蜜桃| 亚洲国产精品成人久久小说 | 天堂av国产一区二区熟女人妻| 三级经典国产精品| 3wmmmm亚洲av在线观看| 亚洲精品影视一区二区三区av| 成人鲁丝片一二三区免费| 国产精品一区二区免费欧美| 亚洲人成网站在线播放欧美日韩| 搡女人真爽免费视频火全软件 | 真实男女啪啪啪动态图| 在线a可以看的网站| 婷婷精品国产亚洲av在线| 久久久久久久午夜电影| 51国产日韩欧美| 国产大屁股一区二区在线视频| 黄色配什么色好看| 久久精品久久久久久噜噜老黄 | 亚洲激情五月婷婷啪啪| 淫秽高清视频在线观看| 国产成人aa在线观看| 免费人成在线观看视频色| 成年女人看的毛片在线观看| 久久精品国产清高在天天线| 久久久色成人| 中文字幕久久专区| 男人舔奶头视频| 国产男人的电影天堂91| 亚洲欧美日韩高清专用| 亚洲在线观看片| 三级男女做爰猛烈吃奶摸视频| 美女免费视频网站| 久久韩国三级中文字幕| 久久精品国产亚洲av天美| 熟妇人妻久久中文字幕3abv| 黄片wwwwww| 欧美一区二区亚洲| 久久精品国产99精品国产亚洲性色| 久久久a久久爽久久v久久| 看十八女毛片水多多多| 热99在线观看视频| 亚洲国产欧美人成| 亚洲一区高清亚洲精品| 日韩在线高清观看一区二区三区| 大型黄色视频在线免费观看| 嫩草影院精品99| 在线看三级毛片| 一级毛片aaaaaa免费看小| 国产高清视频在线播放一区| 亚洲av成人av| 久99久视频精品免费| 午夜久久久久精精品| 91在线精品国自产拍蜜月| 国产视频内射| 熟妇人妻久久中文字幕3abv| av天堂在线播放| 欧美性感艳星| 男女做爰动态图高潮gif福利片| 一级毛片久久久久久久久女| 蜜桃亚洲精品一区二区三区| 又黄又爽又免费观看的视频| 日韩制服骚丝袜av| 国产成人影院久久av| 国产av一区在线观看免费| 亚洲经典国产精华液单| 午夜福利高清视频| 深夜精品福利| 久99久视频精品免费| 欧美高清成人免费视频www| 日韩av不卡免费在线播放| 变态另类丝袜制服| 日本撒尿小便嘘嘘汇集6| 赤兔流量卡办理| 久久久久久九九精品二区国产| 色综合站精品国产| 干丝袜人妻中文字幕| 91狼人影院| 五月伊人婷婷丁香| 夜夜爽天天搞| 国产在线精品亚洲第一网站| 欧美+亚洲+日韩+国产| 麻豆国产97在线/欧美| 国产精品嫩草影院av在线观看| 国产探花在线观看一区二区| 午夜福利在线在线| av视频在线观看入口| 成熟少妇高潮喷水视频| 久久久精品大字幕| 久久久久久九九精品二区国产| 国产欧美日韩精品亚洲av| 国产精品伦人一区二区| 日韩,欧美,国产一区二区三区 | 国产激情偷乱视频一区二区| 亚洲自拍偷在线| 亚洲精品粉嫩美女一区| 夜夜夜夜夜久久久久| 亚洲最大成人中文| 日韩欧美一区二区三区在线观看| 亚洲四区av| 小蜜桃在线观看免费完整版高清| 亚洲美女视频黄频| 午夜爱爱视频在线播放| 亚洲国产精品合色在线| 亚洲精品色激情综合| 熟女人妻精品中文字幕| 欧美激情国产日韩精品一区| 美女黄网站色视频| 欧美色欧美亚洲另类二区| 国产精品99久久久久久久久| 男女视频在线观看网站免费| 国产乱人偷精品视频| 日本-黄色视频高清免费观看| 在线免费观看的www视频| 国产精品久久视频播放| 日日撸夜夜添| 成人av在线播放网站| 国产成人一区二区在线| avwww免费| 亚洲精品国产av成人精品 | 成人高潮视频无遮挡免费网站| 中文字幕免费在线视频6| av女优亚洲男人天堂| videossex国产| 久久精品国产亚洲网站| 久久久久久久亚洲中文字幕| 国产精品一区二区三区四区免费观看 | 一级毛片我不卡| 成人二区视频| 亚洲精华国产精华液的使用体验 | 在线观看午夜福利视频| 午夜激情福利司机影院| 久久久久久久亚洲中文字幕| 久久亚洲国产成人精品v| 亚洲人成网站在线播放欧美日韩| 午夜福利18| 波多野结衣高清作品| av视频在线观看入口| 干丝袜人妻中文字幕| 欧美最黄视频在线播放免费| 97超碰精品成人国产| 国产视频一区二区在线看| 波多野结衣高清无吗| 哪里可以看免费的av片| 麻豆精品久久久久久蜜桃| 欧美激情国产日韩精品一区| 久久中文看片网| 国国产精品蜜臀av免费| 国产精华一区二区三区| 搡老熟女国产l中国老女人| 色综合亚洲欧美另类图片| 国产精品美女特级片免费视频播放器| 黄色一级大片看看| 亚洲熟妇中文字幕五十中出| 久久精品国产99精品国产亚洲性色| 在线a可以看的网站| 国产亚洲91精品色在线| 啦啦啦啦在线视频资源| 日韩欧美 国产精品| 九九热线精品视视频播放| 日本黄色片子视频| 高清午夜精品一区二区三区 | 日韩欧美免费精品| 国产乱人偷精品视频| 午夜福利在线观看免费完整高清在 | 日本-黄色视频高清免费观看| 亚洲性夜色夜夜综合| 性欧美人与动物交配| 精品福利观看| 国国产精品蜜臀av免费| 欧美另类亚洲清纯唯美| 日本成人三级电影网站| 亚洲最大成人av| 女的被弄到高潮叫床怎么办| 久久精品91蜜桃| 黄色视频,在线免费观看| 欧美成人免费av一区二区三区| 大香蕉久久网| 麻豆国产97在线/欧美| 女人被狂操c到高潮| 亚洲色图av天堂| 可以在线观看的亚洲视频| 日韩成人伦理影院| 亚洲综合色惰| 久久人人爽人人片av| av在线亚洲专区| 亚洲av二区三区四区| 国产精品一二三区在线看| 欧美色欧美亚洲另类二区| 午夜久久久久精精品| 午夜免费男女啪啪视频观看 | 长腿黑丝高跟| 免费观看人在逋| 午夜福利在线观看吧| 久久精品夜色国产| 亚洲丝袜综合中文字幕| 色哟哟哟哟哟哟| 热99在线观看视频| 久久韩国三级中文字幕| 亚洲成a人片在线一区二区| 91狼人影院| 国产 一区精品| 狠狠狠狠99中文字幕| 日韩欧美国产在线观看| 无遮挡黄片免费观看| 亚洲va在线va天堂va国产| 真人做人爱边吃奶动态| 久久亚洲精品不卡| 国模一区二区三区四区视频| 成人永久免费在线观看视频| 国产精品人妻久久久影院| 欧美成人精品欧美一级黄| 在线天堂最新版资源| 中文字幕熟女人妻在线| 久久久a久久爽久久v久久| 日韩精品青青久久久久久| 日韩欧美免费精品| 国产精品电影一区二区三区| 久久婷婷人人爽人人干人人爱| 美女 人体艺术 gogo| 欧美不卡视频在线免费观看| 搡女人真爽免费视频火全软件 | 亚洲欧美日韩高清在线视频| 成人毛片a级毛片在线播放| 日韩av在线大香蕉| 成人精品一区二区免费| 久久韩国三级中文字幕| 精品久久久久久久久久免费视频| 精华霜和精华液先用哪个| 久久久久国内视频| 国内精品一区二区在线观看| 日韩精品有码人妻一区| 精品人妻熟女av久视频| 精品不卡国产一区二区三区| a级毛片免费高清观看在线播放| 啦啦啦啦在线视频资源| ponron亚洲| www.色视频.com| 国产一区二区亚洲精品在线观看| 欧美在线一区亚洲| 亚洲欧美清纯卡通| 亚洲精品456在线播放app| 久久亚洲国产成人精品v| 亚洲av中文av极速乱| a级毛片a级免费在线| 99在线视频只有这里精品首页| 午夜福利成人在线免费观看| 又黄又爽又刺激的免费视频.| 精品少妇黑人巨大在线播放 | 日本黄色视频三级网站网址| 久久久久久久久大av| 欧美激情在线99| 久久精品国产99精品国产亚洲性色| 91在线观看av| 你懂的网址亚洲精品在线观看 | 国产精品日韩av在线免费观看| 成熟少妇高潮喷水视频| 亚洲国产精品sss在线观看| 亚洲成人久久爱视频| 插逼视频在线观看| 一边摸一边抽搐一进一小说| 波野结衣二区三区在线| 69av精品久久久久久| 久久久欧美国产精品| 亚洲国产欧洲综合997久久,| 乱码一卡2卡4卡精品| 欧美日韩精品成人综合77777| 简卡轻食公司| 狂野欧美白嫩少妇大欣赏| 在线播放无遮挡| 国产精品一及| 干丝袜人妻中文字幕| 成人特级黄色片久久久久久久| 狂野欧美激情性xxxx在线观看| 国产精品久久久久久久久免| 亚洲第一区二区三区不卡| 中国国产av一级| 久久精品国产鲁丝片午夜精品| 自拍偷自拍亚洲精品老妇| 久久天躁狠狠躁夜夜2o2o| 人人妻人人看人人澡| 日韩精品有码人妻一区| 啦啦啦啦在线视频资源| 国产av一区在线观看免费| 久久热精品热| 久久久色成人| 三级经典国产精品| 久久综合国产亚洲精品| 欧美最黄视频在线播放免费| 日韩成人伦理影院| 亚洲精品粉嫩美女一区| 欧美潮喷喷水| 长腿黑丝高跟| 联通29元200g的流量卡| 干丝袜人妻中文字幕| 中文亚洲av片在线观看爽| 精品免费久久久久久久清纯| 免费一级毛片在线播放高清视频| 高清日韩中文字幕在线| 一级黄片播放器| 成年女人看的毛片在线观看| 久久天躁狠狠躁夜夜2o2o| 少妇熟女aⅴ在线视频| 少妇的逼好多水| 如何舔出高潮| 国产av在哪里看| 午夜精品在线福利| 三级男女做爰猛烈吃奶摸视频| 91久久精品国产一区二区成人| 国产激情偷乱视频一区二区| 国产精品av视频在线免费观看| 99久久精品国产国产毛片| 欧美激情国产日韩精品一区| 黑人高潮一二区| 少妇人妻精品综合一区二区 | 成年版毛片免费区| 九九热线精品视视频播放| 黄色欧美视频在线观看| 男女下面进入的视频免费午夜| 少妇熟女欧美另类| 日本黄大片高清| 亚洲av免费高清在线观看| 欧美不卡视频在线免费观看| av在线天堂中文字幕| 欧美一级a爱片免费观看看| 日韩精品有码人妻一区| 国产精品久久久久久久久免| 亚洲成人精品中文字幕电影| 成年免费大片在线观看| 男人舔奶头视频| 亚洲欧美日韩高清专用| 国产精品久久久久久久电影| 性插视频无遮挡在线免费观看| 日韩欧美在线乱码| АⅤ资源中文在线天堂| 人妻丰满熟妇av一区二区三区| 亚洲精品成人久久久久久| 一级av片app| 日韩av不卡免费在线播放| 亚洲精品久久国产高清桃花| 网址你懂的国产日韩在线| 日韩欧美免费精品| 日韩在线高清观看一区二区三区| 亚洲国产欧美人成| 美女被艹到高潮喷水动态| 国产精品av视频在线免费观看| 麻豆精品久久久久久蜜桃| 亚洲成人久久性| 俺也久久电影网| 欧美日韩国产亚洲二区| 免费看美女性在线毛片视频| 日日摸夜夜添夜夜添av毛片| 有码 亚洲区| 国产成人a区在线观看| 久久久久久久久大av| 亚洲美女搞黄在线观看 | 国产淫片久久久久久久久| 欧美激情久久久久久爽电影| 18禁在线播放成人免费| 久久久久久久久久成人| 综合色丁香网| 亚洲,欧美,日韩| or卡值多少钱| 少妇的逼水好多| 十八禁网站免费在线| 成人亚洲精品av一区二区| 又粗又爽又猛毛片免费看| 欧美xxxx性猛交bbbb| 1000部很黄的大片| 亚洲四区av| 熟女电影av网| 插阴视频在线观看视频| 在线观看免费视频日本深夜| 最后的刺客免费高清国语| 精品久久久久久久久久免费视频| 久久婷婷人人爽人人干人人爱| 欧美另类亚洲清纯唯美| 日本五十路高清| 夜夜夜夜夜久久久久| 亚洲精品在线观看二区| 国产黄色视频一区二区在线观看 | 国产单亲对白刺激| 蜜臀久久99精品久久宅男| 天天躁日日操中文字幕| 联通29元200g的流量卡| 亚洲av中文av极速乱| 亚洲欧美日韩东京热| 精品人妻视频免费看| 日韩成人av中文字幕在线观看 | 亚洲av.av天堂| 国产大屁股一区二区在线视频| 午夜a级毛片| 成熟少妇高潮喷水视频| 午夜福利高清视频| 一本久久中文字幕| 白带黄色成豆腐渣| 色哟哟·www| 日韩大尺度精品在线看网址| 免费高清视频大片| 又爽又黄无遮挡网站| 亚洲欧美日韩东京热| 成人漫画全彩无遮挡| 亚洲av中文字字幕乱码综合| 国产一区亚洲一区在线观看| 99热这里只有是精品50| 亚洲国产欧洲综合997久久,| 中文字幕久久专区| 国产亚洲91精品色在线| 精品一区二区三区av网在线观看| 久久这里只有精品中国| 亚洲一区高清亚洲精品| 成人三级黄色视频| 精品久久久久久成人av| 搡女人真爽免费视频火全软件 | 欧美国产日韩亚洲一区| 成人国产麻豆网| 高清毛片免费看| 男女下面进入的视频免费午夜| 又爽又黄无遮挡网站| 亚洲专区国产一区二区| 日韩欧美免费精品| 日韩国内少妇激情av| 日韩欧美免费精品| 中文资源天堂在线| 欧美在线一区亚洲| 婷婷精品国产亚洲av| 亚洲高清免费不卡视频| 中文亚洲av片在线观看爽| 午夜福利在线观看吧| 99视频精品全部免费 在线| 国产精品久久视频播放| 久久久欧美国产精品| 一级毛片电影观看 | 香蕉av资源在线| 少妇熟女欧美另类| 欧美日本亚洲视频在线播放| 精品人妻熟女av久视频| 小说图片视频综合网站| 高清毛片免费观看视频网站| 亚洲成人久久性| 国产美女午夜福利| av天堂中文字幕网| 亚洲av免费高清在线观看| 99久久久亚洲精品蜜臀av| 亚洲熟妇中文字幕五十中出| 成人永久免费在线观看视频| 日日摸夜夜添夜夜爱| 欧美最新免费一区二区三区| 国产亚洲av嫩草精品影院| 国产免费一级a男人的天堂| 亚洲av熟女| 成年版毛片免费区| 色播亚洲综合网| 看免费成人av毛片| 亚洲婷婷狠狠爱综合网| 亚洲一区二区三区色噜噜| 熟女人妻精品中文字幕| 国产三级在线视频| 午夜精品国产一区二区电影 | 乱人视频在线观看| 亚洲欧美日韩高清在线视频| 久久久久久国产a免费观看| 少妇的逼水好多| 一级毛片久久久久久久久女| 老司机午夜福利在线观看视频| 国产高清激情床上av| 老师上课跳d突然被开到最大视频| 亚洲自偷自拍三级| av黄色大香蕉| 99久久中文字幕三级久久日本| 精品国内亚洲2022精品成人| 深爱激情五月婷婷| 亚洲经典国产精华液单| 日本一二三区视频观看| 村上凉子中文字幕在线| 午夜精品国产一区二区电影 | 神马国产精品三级电影在线观看| 一卡2卡三卡四卡精品乱码亚洲| 最新中文字幕久久久久| 啦啦啦观看免费观看视频高清| 中文字幕熟女人妻在线| 亚洲国产日韩欧美精品在线观看| 狠狠狠狠99中文字幕| 伦精品一区二区三区| 日韩欧美精品免费久久| 人妻夜夜爽99麻豆av| 老司机午夜福利在线观看视频| 久久精品夜夜夜夜夜久久蜜豆| 联通29元200g的流量卡| 激情 狠狠 欧美| 欧美最新免费一区二区三区| 美女xxoo啪啪120秒动态图| 国产探花极品一区二区| 国模一区二区三区四区视频| 国产高潮美女av| 99热全是精品| 国产免费一级a男人的天堂| 免费在线观看成人毛片| 亚洲精品一区av在线观看| 久久久久精品国产欧美久久久| 波多野结衣高清作品| 人人妻人人看人人澡| 国产黄色小视频在线观看| 国产亚洲精品综合一区在线观看| 狠狠狠狠99中文字幕| 亚洲国产高清在线一区二区三| 麻豆av噜噜一区二区三区| 草草在线视频免费看| 国产高清三级在线| 久久精品综合一区二区三区| 天天躁夜夜躁狠狠久久av| 一级黄片播放器| 男人舔女人下体高潮全视频| 国产大屁股一区二区在线视频| 草草在线视频免费看| 午夜精品一区二区三区免费看| 日本免费一区二区三区高清不卡| 一级黄片播放器| 成人国产麻豆网| 午夜精品一区二区三区免费看| 最近视频中文字幕2019在线8| 亚洲色图av天堂| 一边摸一边抽搐一进一小说| 日日啪夜夜撸| 日本三级黄在线观看| 亚洲18禁久久av| 亚洲国产日韩欧美精品在线观看| 综合色丁香网| 熟妇人妻久久中文字幕3abv| av卡一久久| 熟女电影av网| 精品人妻熟女av久视频| 少妇被粗大猛烈的视频| 亚洲av不卡在线观看| 亚洲自偷自拍三级| 国产精品亚洲美女久久久| 亚洲高清免费不卡视频| 悠悠久久av| av卡一久久| 人妻夜夜爽99麻豆av| 99热6这里只有精品| 久久精品久久久久久噜噜老黄 | 国产亚洲精品久久久久久毛片| 麻豆国产av国片精品| 国产av在哪里看| 在线播放国产精品三级| 精品一区二区免费观看| 国产精品亚洲美女久久久| 日本a在线网址| 日韩国内少妇激情av| 观看美女的网站| 小蜜桃在线观看免费完整版高清| 五月玫瑰六月丁香| 在线免费十八禁| 亚洲av五月六月丁香网| 欧美日韩乱码在线| a级毛色黄片| 又粗又爽又猛毛片免费看| 精品人妻熟女av久视频| 免费av不卡在线播放| 精品免费久久久久久久清纯| 日日摸夜夜添夜夜添av毛片| or卡值多少钱| 国产伦精品一区二区三区四那| 99在线人妻在线中文字幕| 国产欧美日韩精品一区二区| 国产精品三级大全| 成人二区视频| 12—13女人毛片做爰片一| 国模一区二区三区四区视频| 精品福利观看| 一级毛片久久久久久久久女|