• <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 ?

    中央空調(diào)系統(tǒng)冷水機組部分負荷功率預測模型研究

    2014-11-06 22:08楊海濱王鵬
    科技創(chuàng)新導報 2014年10期
    關鍵詞:預測模型冷水機組建筑節(jié)能

    楊海濱++王鵬

    摘 要:中央空調(diào)系統(tǒng)冷水機組性能復雜且能耗大,其部分負荷性能預測模型是中央空調(diào)系統(tǒng)節(jié)能運行調(diào)節(jié)的重要參考,該文以實際項目冷水機組的運行歷史數(shù)據(jù)為樣本,采用聚類算法以及T-S模糊模型,研究實時反映冷水機組部分負荷下功率的預測模型。

    關鍵詞:建筑節(jié)能 空調(diào) 冷水機組 部分負荷 預測模型

    中圖分類號:TU831 文獻標識碼:A 文章編號:1674-098X(2014)04(a)-0001-02

    作為公共建筑的能源消耗大戶,暖通空調(diào)系統(tǒng)的用電占大型公共建筑總電耗的50%~60%[1]。冷水機組作為暖通空調(diào)系統(tǒng)的核心設備,性能復雜且能耗大,其能耗一般占暖通空調(diào)系統(tǒng)總能耗的40%或以上。冷水機組部分負荷性能受制于天氣及室內(nèi)負荷需求變化,因此其部分負荷下的功率預測對冷水機組的節(jié)能控制運行至關重要。

    通過物理或半經(jīng)驗模型研究冷水機組部分負荷性能具有較好的預測精度,但必須要對冷水機組中的每個部件的結(jié)構(gòu)參數(shù)具有較深入的了解,這在實際中往往難以實現(xiàn)。我們更需要一種能夠基于冷水機組可監(jiān)測的運行數(shù)據(jù)而構(gòu)建,并且能回避機組內(nèi)復雜物理過程且具有一定精度的智能模型。

    因此,該文擬采用基于雙聚類算法的T-S模糊模型,利用實際工程項目獲取的冷水機組運行工況參數(shù),并將這些性能參數(shù)作為T-S模型的辨識參考數(shù)據(jù),建立冷水機組部分負荷性能的T-S預測模型。

    1 預測模型建模方法

    T-S模型作為最有代表性的連續(xù)型模糊模型[2-3],其最大優(yōu)勢在于處理多變量系統(tǒng)模型的高效性,由于其規(guī)則后件的多項式形式,T-S模型可利用少量的模糊規(guī)則描述較復雜的非線性系統(tǒng)。T-S模型的結(jié)構(gòu)與推理方法如下:

    設具有P個輸入、單個輸出的多輸入單輸出系統(tǒng)可由n條模糊規(guī)則組成的集合來表示,其中第i條模糊規(guī)則形式為如式(1)所示。

    (1)

    式中:Ri為第i條模糊規(guī)則,i=1,2,…n;n為模糊規(guī)則數(shù);x1~xk為前件變量,k≦P;Ai1~Aik為前件模糊子集,其隸屬函數(shù)中的參數(shù)稱為前件參數(shù);pi0~pik為后件線性函數(shù)的常數(shù),又稱后件參數(shù)。

    T-S模糊模型辨識首先要依托于一定量的輸入輸出參考數(shù)據(jù);其次,圍繞著這些參考數(shù)據(jù),模型辨識要完成模型結(jié)構(gòu)辨識與模型參數(shù)辨識。模型結(jié)構(gòu)辨識主要對象為前件隸屬函數(shù)形式以及后件線性表達式形式,模型參數(shù)辨識的主要對象為前件參數(shù)與后件參數(shù)。本文采用的方法重點研究模型參數(shù)辨識,模型結(jié)構(gòu)選取固定的形式,前件隸屬函數(shù)取鐘形隸屬函數(shù),如式(2)所示。

    (2)

    式中:x為前件變量;m為隸屬函數(shù)的中心;n為隸屬函數(shù)的對稱寬度。

    聚類算法作為一種優(yōu)秀的辨識算法,被公認為辨識T-S模型的理想算法,本節(jié)將采用雙聚類模糊辨識算法(Double Cluster Algorithm)[4]進行T-S模型的參數(shù)辨識,雙聚類模糊辨識算法的主要優(yōu)勢在于其較高的辨識精度。

    雙聚類模糊辨識算法對輸入輸出向量組成的空間進行整體聚類,分粗調(diào)和微調(diào)兩個部分。粗調(diào)中首先應用模糊聚類算法對樣本空間進行第一次聚類,得到聚類的中心點數(shù)據(jù)和每組數(shù)據(jù)的隸屬度,再利用已得的數(shù)據(jù)應用加權(quán)回歸最小二乘算法將樣本空間向系數(shù)空間轉(zhuǎn)化,再對系數(shù)空間進行聚類,聚類中心就是后件多項式中的系數(shù),前件隸屬函數(shù)也可以得到。

    為考核辨識算法的精確性,定義性能指標PER作為考核T-S辨識精度的指標,如式(3)所示。PER越小表明辨識模型的精度越高。

    (3)

    式中:y(k)為樣本數(shù)據(jù)中第k個采樣時刻的值,k=1,2,…m;為T-S模型預測得到的第k個采樣時刻的值。

    2 冷水機組性能T-S預測模型

    利用實際工程獲取樣本數(shù)據(jù),建立某離心式冷水機組部分負荷性能的T-S預測模型,模型結(jié)構(gòu)如式(4)所示。

    .

    (4)

    式中:Ri為第i條模糊規(guī)則,i=1,2,…n;tCHWR為冷凍水回水溫度,℃,前件變量;GCHW為冷凍水流量,m3/h,前件變量;tCWS為冷卻水供水溫度,℃,前件變量;tCWR為冷卻水回水溫度,℃,前件變量;NCHILLER為冷水機組功率,kW,后件變量;Ai1~Ai4為前件模糊子集,鐘形隸屬函數(shù),表達式如式(2);pi0~pi4為后件參數(shù)。關于預測模型式(4)的說明如下:

    (1)模型辨識所需的樣本數(shù)據(jù)利用冷水機組性能仿真系統(tǒng)計算并經(jīng)過篩選得到,樣本數(shù)據(jù)中的輸入與輸出分別為式(4)的4個前件變量與1個后件變量,氣象參數(shù)與負荷數(shù)據(jù)選取項目地點(廣州市)2013年6月1日~30日對應的364組逐時值。為增加工況的覆蓋量,對于每組逐時工況,改變末端空調(diào)機組的送風溫度設定值,同一負荷需求的冷凍水回水溫度也相應改變,即得到五組不同送風溫度設定值下的樣本數(shù)據(jù)源,樣本數(shù)據(jù)數(shù)量的增加可提高預測模型的適應性。

    (2)在目前絕大多數(shù)的冷水機組運行管理中,冷凍水供水溫度設定值調(diào)整是通過運行人員手動操作的,且調(diào)整周期較長。例如,在冷負荷高峰期,供水溫度設定值要調(diào)低一些,如7 ℃;在過渡季,冷負荷需求較小,供水溫度設定值可能調(diào)高一些,如10 ℃。運行人員通常根據(jù)經(jīng)驗或室外氣象參數(shù)的變化判斷系統(tǒng)的負荷需求情況,并以此為參考調(diào)整供水溫度設定值,對于一些冷凍水系統(tǒng),供水溫度設定值還可能在全年工況均保持某一固定值不變。該文將冷凍水供水溫度作為一個常量,采用式(4)的前件變量配置,構(gòu)建一組冷水機組能耗預測模型。在實際運行中,若當前冷凍水供水溫度設定值為7 ℃,即可調(diào)用供水溫度為7 ℃下的模型進行冷水機組的能耗預測。本文將分別建立三組模型,分別對應冷凍水供水溫度設定值為7 ℃、9 ℃、11 ℃。

    1)tCHWS=7 ℃時,樣本數(shù)據(jù)為1781組,模型與樣本數(shù)據(jù)的平均相對誤差為9.3%,PER為24.63 kW。預測模型參數(shù)列于表1與表2中,預測模型輸出與樣本數(shù)據(jù)的對比情況如圖1所示。

    2)tCHWS=9 ℃時,樣本數(shù)據(jù)為1645組,模型與樣本數(shù)據(jù)的平均相對誤差為6.8%,PER為18.66 kW。預測模型輸出與樣本數(shù)據(jù)的對比情況如圖2所示。

    3)tCHWS=11 ℃時,樣本數(shù)據(jù)為1616組,模型與樣本數(shù)據(jù)的平均相對誤差為8.2%,PER為18.22 kW。預測模型輸出與樣本數(shù)據(jù)的對比情況如圖3所示。

    3 結(jié)語

    該文首先提出了一類面向冷水機組優(yōu)化控制的部分負荷模型建模方法,然后利用該方法,基于某實際項目的冷水機組實際監(jiān)測數(shù)據(jù),建立了對應不同冷凍水供水溫度的三組冷水機組部分負荷能耗預測模型。

    辨識結(jié)果同監(jiān)測數(shù)據(jù)的對比表明,該文基于雙聚類算法所建立冷水機組部分負荷能耗預測模型的辨識精度較理想,三組模型的平均相對誤差變化范圍為6.8%~9.3%。

    參考文獻

    [1] 江億.我國建筑耗能情況及有效的節(jié)能途徑[J].暖通空調(diào),2005,35(5):30-40.

    [2] T.Takagi,M.Sugeno.Fuzzy Identification of Systems and Its Application to Modeling and Control[J].IEEE Trans. on Systems,Man,Cybernetics,1985,15(1):116-132.

    [3] M.Sugeno.Industrial Applications of Fuzzy Control[M]. Elsevier,Amsterdam,1985.

    [4] E.Kim,H.Lee,M.Park.A Simply IdentifyiedSugeno-type Fuzzy Model via Double Clustering[J].Informantion Sciences,1998,110(2):25-39.

    摘 要:中央空調(diào)系統(tǒng)冷水機組性能復雜且能耗大,其部分負荷性能預測模型是中央空調(diào)系統(tǒng)節(jié)能運行調(diào)節(jié)的重要參考,該文以實際項目冷水機組的運行歷史數(shù)據(jù)為樣本,采用聚類算法以及T-S模糊模型,研究實時反映冷水機組部分負荷下功率的預測模型。

    關鍵詞:建筑節(jié)能 空調(diào) 冷水機組 部分負荷 預測模型

    中圖分類號:TU831 文獻標識碼:A 文章編號:1674-098X(2014)04(a)-0001-02

    作為公共建筑的能源消耗大戶,暖通空調(diào)系統(tǒng)的用電占大型公共建筑總電耗的50%~60%[1]。冷水機組作為暖通空調(diào)系統(tǒng)的核心設備,性能復雜且能耗大,其能耗一般占暖通空調(diào)系統(tǒng)總能耗的40%或以上。冷水機組部分負荷性能受制于天氣及室內(nèi)負荷需求變化,因此其部分負荷下的功率預測對冷水機組的節(jié)能控制運行至關重要。

    通過物理或半經(jīng)驗模型研究冷水機組部分負荷性能具有較好的預測精度,但必須要對冷水機組中的每個部件的結(jié)構(gòu)參數(shù)具有較深入的了解,這在實際中往往難以實現(xiàn)。我們更需要一種能夠基于冷水機組可監(jiān)測的運行數(shù)據(jù)而構(gòu)建,并且能回避機組內(nèi)復雜物理過程且具有一定精度的智能模型。

    因此,該文擬采用基于雙聚類算法的T-S模糊模型,利用實際工程項目獲取的冷水機組運行工況參數(shù),并將這些性能參數(shù)作為T-S模型的辨識參考數(shù)據(jù),建立冷水機組部分負荷性能的T-S預測模型。

    1 預測模型建模方法

    T-S模型作為最有代表性的連續(xù)型模糊模型[2-3],其最大優(yōu)勢在于處理多變量系統(tǒng)模型的高效性,由于其規(guī)則后件的多項式形式,T-S模型可利用少量的模糊規(guī)則描述較復雜的非線性系統(tǒng)。T-S模型的結(jié)構(gòu)與推理方法如下:

    設具有P個輸入、單個輸出的多輸入單輸出系統(tǒng)可由n條模糊規(guī)則組成的集合來表示,其中第i條模糊規(guī)則形式為如式(1)所示。

    (1)

    式中:Ri為第i條模糊規(guī)則,i=1,2,…n;n為模糊規(guī)則數(shù);x1~xk為前件變量,k≦P;Ai1~Aik為前件模糊子集,其隸屬函數(shù)中的參數(shù)稱為前件參數(shù);pi0~pik為后件線性函數(shù)的常數(shù),又稱后件參數(shù)。

    T-S模糊模型辨識首先要依托于一定量的輸入輸出參考數(shù)據(jù);其次,圍繞著這些參考數(shù)據(jù),模型辨識要完成模型結(jié)構(gòu)辨識與模型參數(shù)辨識。模型結(jié)構(gòu)辨識主要對象為前件隸屬函數(shù)形式以及后件線性表達式形式,模型參數(shù)辨識的主要對象為前件參數(shù)與后件參數(shù)。本文采用的方法重點研究模型參數(shù)辨識,模型結(jié)構(gòu)選取固定的形式,前件隸屬函數(shù)取鐘形隸屬函數(shù),如式(2)所示。

    (2)

    式中:x為前件變量;m為隸屬函數(shù)的中心;n為隸屬函數(shù)的對稱寬度。

    聚類算法作為一種優(yōu)秀的辨識算法,被公認為辨識T-S模型的理想算法,本節(jié)將采用雙聚類模糊辨識算法(Double Cluster Algorithm)[4]進行T-S模型的參數(shù)辨識,雙聚類模糊辨識算法的主要優(yōu)勢在于其較高的辨識精度。

    雙聚類模糊辨識算法對輸入輸出向量組成的空間進行整體聚類,分粗調(diào)和微調(diào)兩個部分。粗調(diào)中首先應用模糊聚類算法對樣本空間進行第一次聚類,得到聚類的中心點數(shù)據(jù)和每組數(shù)據(jù)的隸屬度,再利用已得的數(shù)據(jù)應用加權(quán)回歸最小二乘算法將樣本空間向系數(shù)空間轉(zhuǎn)化,再對系數(shù)空間進行聚類,聚類中心就是后件多項式中的系數(shù),前件隸屬函數(shù)也可以得到。

    為考核辨識算法的精確性,定義性能指標PER作為考核T-S辨識精度的指標,如式(3)所示。PER越小表明辨識模型的精度越高。

    (3)

    式中:y(k)為樣本數(shù)據(jù)中第k個采樣時刻的值,k=1,2,…m;為T-S模型預測得到的第k個采樣時刻的值。

    2 冷水機組性能T-S預測模型

    利用實際工程獲取樣本數(shù)據(jù),建立某離心式冷水機組部分負荷性能的T-S預測模型,模型結(jié)構(gòu)如式(4)所示。

    .

    (4)

    式中:Ri為第i條模糊規(guī)則,i=1,2,…n;tCHWR為冷凍水回水溫度,℃,前件變量;GCHW為冷凍水流量,m3/h,前件變量;tCWS為冷卻水供水溫度,℃,前件變量;tCWR為冷卻水回水溫度,℃,前件變量;NCHILLER為冷水機組功率,kW,后件變量;Ai1~Ai4為前件模糊子集,鐘形隸屬函數(shù),表達式如式(2);pi0~pi4為后件參數(shù)。關于預測模型式(4)的說明如下:

    (1)模型辨識所需的樣本數(shù)據(jù)利用冷水機組性能仿真系統(tǒng)計算并經(jīng)過篩選得到,樣本數(shù)據(jù)中的輸入與輸出分別為式(4)的4個前件變量與1個后件變量,氣象參數(shù)與負荷數(shù)據(jù)選取項目地點(廣州市)2013年6月1日~30日對應的364組逐時值。為增加工況的覆蓋量,對于每組逐時工況,改變末端空調(diào)機組的送風溫度設定值,同一負荷需求的冷凍水回水溫度也相應改變,即得到五組不同送風溫度設定值下的樣本數(shù)據(jù)源,樣本數(shù)據(jù)數(shù)量的增加可提高預測模型的適應性。

    (2)在目前絕大多數(shù)的冷水機組運行管理中,冷凍水供水溫度設定值調(diào)整是通過運行人員手動操作的,且調(diào)整周期較長。例如,在冷負荷高峰期,供水溫度設定值要調(diào)低一些,如7 ℃;在過渡季,冷負荷需求較小,供水溫度設定值可能調(diào)高一些,如10 ℃。運行人員通常根據(jù)經(jīng)驗或室外氣象參數(shù)的變化判斷系統(tǒng)的負荷需求情況,并以此為參考調(diào)整供水溫度設定值,對于一些冷凍水系統(tǒng),供水溫度設定值還可能在全年工況均保持某一固定值不變。該文將冷凍水供水溫度作為一個常量,采用式(4)的前件變量配置,構(gòu)建一組冷水機組能耗預測模型。在實際運行中,若當前冷凍水供水溫度設定值為7 ℃,即可調(diào)用供水溫度為7 ℃下的模型進行冷水機組的能耗預測。本文將分別建立三組模型,分別對應冷凍水供水溫度設定值為7 ℃、9 ℃、11 ℃。

    1)tCHWS=7 ℃時,樣本數(shù)據(jù)為1781組,模型與樣本數(shù)據(jù)的平均相對誤差為9.3%,PER為24.63 kW。預測模型參數(shù)列于表1與表2中,預測模型輸出與樣本數(shù)據(jù)的對比情況如圖1所示。

    2)tCHWS=9 ℃時,樣本數(shù)據(jù)為1645組,模型與樣本數(shù)據(jù)的平均相對誤差為6.8%,PER為18.66 kW。預測模型輸出與樣本數(shù)據(jù)的對比情況如圖2所示。

    3)tCHWS=11 ℃時,樣本數(shù)據(jù)為1616組,模型與樣本數(shù)據(jù)的平均相對誤差為8.2%,PER為18.22 kW。預測模型輸出與樣本數(shù)據(jù)的對比情況如圖3所示。

    3 結(jié)語

    該文首先提出了一類面向冷水機組優(yōu)化控制的部分負荷模型建模方法,然后利用該方法,基于某實際項目的冷水機組實際監(jiān)測數(shù)據(jù),建立了對應不同冷凍水供水溫度的三組冷水機組部分負荷能耗預測模型。

    辨識結(jié)果同監(jiān)測數(shù)據(jù)的對比表明,該文基于雙聚類算法所建立冷水機組部分負荷能耗預測模型的辨識精度較理想,三組模型的平均相對誤差變化范圍為6.8%~9.3%。

    參考文獻

    [1] 江億.我國建筑耗能情況及有效的節(jié)能途徑[J].暖通空調(diào),2005,35(5):30-40.

    [2] T.Takagi,M.Sugeno.Fuzzy Identification of Systems and Its Application to Modeling and Control[J].IEEE Trans. on Systems,Man,Cybernetics,1985,15(1):116-132.

    [3] M.Sugeno.Industrial Applications of Fuzzy Control[M]. Elsevier,Amsterdam,1985.

    [4] E.Kim,H.Lee,M.Park.A Simply IdentifyiedSugeno-type Fuzzy Model via Double Clustering[J].Informantion Sciences,1998,110(2):25-39.

    摘 要:中央空調(diào)系統(tǒng)冷水機組性能復雜且能耗大,其部分負荷性能預測模型是中央空調(diào)系統(tǒng)節(jié)能運行調(diào)節(jié)的重要參考,該文以實際項目冷水機組的運行歷史數(shù)據(jù)為樣本,采用聚類算法以及T-S模糊模型,研究實時反映冷水機組部分負荷下功率的預測模型。

    關鍵詞:建筑節(jié)能 空調(diào) 冷水機組 部分負荷 預測模型

    中圖分類號:TU831 文獻標識碼:A 文章編號:1674-098X(2014)04(a)-0001-02

    作為公共建筑的能源消耗大戶,暖通空調(diào)系統(tǒng)的用電占大型公共建筑總電耗的50%~60%[1]。冷水機組作為暖通空調(diào)系統(tǒng)的核心設備,性能復雜且能耗大,其能耗一般占暖通空調(diào)系統(tǒng)總能耗的40%或以上。冷水機組部分負荷性能受制于天氣及室內(nèi)負荷需求變化,因此其部分負荷下的功率預測對冷水機組的節(jié)能控制運行至關重要。

    通過物理或半經(jīng)驗模型研究冷水機組部分負荷性能具有較好的預測精度,但必須要對冷水機組中的每個部件的結(jié)構(gòu)參數(shù)具有較深入的了解,這在實際中往往難以實現(xiàn)。我們更需要一種能夠基于冷水機組可監(jiān)測的運行數(shù)據(jù)而構(gòu)建,并且能回避機組內(nèi)復雜物理過程且具有一定精度的智能模型。

    因此,該文擬采用基于雙聚類算法的T-S模糊模型,利用實際工程項目獲取的冷水機組運行工況參數(shù),并將這些性能參數(shù)作為T-S模型的辨識參考數(shù)據(jù),建立冷水機組部分負荷性能的T-S預測模型。

    1 預測模型建模方法

    T-S模型作為最有代表性的連續(xù)型模糊模型[2-3],其最大優(yōu)勢在于處理多變量系統(tǒng)模型的高效性,由于其規(guī)則后件的多項式形式,T-S模型可利用少量的模糊規(guī)則描述較復雜的非線性系統(tǒng)。T-S模型的結(jié)構(gòu)與推理方法如下:

    設具有P個輸入、單個輸出的多輸入單輸出系統(tǒng)可由n條模糊規(guī)則組成的集合來表示,其中第i條模糊規(guī)則形式為如式(1)所示。

    (1)

    式中:Ri為第i條模糊規(guī)則,i=1,2,…n;n為模糊規(guī)則數(shù);x1~xk為前件變量,k≦P;Ai1~Aik為前件模糊子集,其隸屬函數(shù)中的參數(shù)稱為前件參數(shù);pi0~pik為后件線性函數(shù)的常數(shù),又稱后件參數(shù)。

    T-S模糊模型辨識首先要依托于一定量的輸入輸出參考數(shù)據(jù);其次,圍繞著這些參考數(shù)據(jù),模型辨識要完成模型結(jié)構(gòu)辨識與模型參數(shù)辨識。模型結(jié)構(gòu)辨識主要對象為前件隸屬函數(shù)形式以及后件線性表達式形式,模型參數(shù)辨識的主要對象為前件參數(shù)與后件參數(shù)。本文采用的方法重點研究模型參數(shù)辨識,模型結(jié)構(gòu)選取固定的形式,前件隸屬函數(shù)取鐘形隸屬函數(shù),如式(2)所示。

    (2)

    式中:x為前件變量;m為隸屬函數(shù)的中心;n為隸屬函數(shù)的對稱寬度。

    聚類算法作為一種優(yōu)秀的辨識算法,被公認為辨識T-S模型的理想算法,本節(jié)將采用雙聚類模糊辨識算法(Double Cluster Algorithm)[4]進行T-S模型的參數(shù)辨識,雙聚類模糊辨識算法的主要優(yōu)勢在于其較高的辨識精度。

    雙聚類模糊辨識算法對輸入輸出向量組成的空間進行整體聚類,分粗調(diào)和微調(diào)兩個部分。粗調(diào)中首先應用模糊聚類算法對樣本空間進行第一次聚類,得到聚類的中心點數(shù)據(jù)和每組數(shù)據(jù)的隸屬度,再利用已得的數(shù)據(jù)應用加權(quán)回歸最小二乘算法將樣本空間向系數(shù)空間轉(zhuǎn)化,再對系數(shù)空間進行聚類,聚類中心就是后件多項式中的系數(shù),前件隸屬函數(shù)也可以得到。

    為考核辨識算法的精確性,定義性能指標PER作為考核T-S辨識精度的指標,如式(3)所示。PER越小表明辨識模型的精度越高。

    (3)

    式中:y(k)為樣本數(shù)據(jù)中第k個采樣時刻的值,k=1,2,…m;為T-S模型預測得到的第k個采樣時刻的值。

    2 冷水機組性能T-S預測模型

    利用實際工程獲取樣本數(shù)據(jù),建立某離心式冷水機組部分負荷性能的T-S預測模型,模型結(jié)構(gòu)如式(4)所示。

    .

    (4)

    式中:Ri為第i條模糊規(guī)則,i=1,2,…n;tCHWR為冷凍水回水溫度,℃,前件變量;GCHW為冷凍水流量,m3/h,前件變量;tCWS為冷卻水供水溫度,℃,前件變量;tCWR為冷卻水回水溫度,℃,前件變量;NCHILLER為冷水機組功率,kW,后件變量;Ai1~Ai4為前件模糊子集,鐘形隸屬函數(shù),表達式如式(2);pi0~pi4為后件參數(shù)。關于預測模型式(4)的說明如下:

    (1)模型辨識所需的樣本數(shù)據(jù)利用冷水機組性能仿真系統(tǒng)計算并經(jīng)過篩選得到,樣本數(shù)據(jù)中的輸入與輸出分別為式(4)的4個前件變量與1個后件變量,氣象參數(shù)與負荷數(shù)據(jù)選取項目地點(廣州市)2013年6月1日~30日對應的364組逐時值。為增加工況的覆蓋量,對于每組逐時工況,改變末端空調(diào)機組的送風溫度設定值,同一負荷需求的冷凍水回水溫度也相應改變,即得到五組不同送風溫度設定值下的樣本數(shù)據(jù)源,樣本數(shù)據(jù)數(shù)量的增加可提高預測模型的適應性。

    (2)在目前絕大多數(shù)的冷水機組運行管理中,冷凍水供水溫度設定值調(diào)整是通過運行人員手動操作的,且調(diào)整周期較長。例如,在冷負荷高峰期,供水溫度設定值要調(diào)低一些,如7 ℃;在過渡季,冷負荷需求較小,供水溫度設定值可能調(diào)高一些,如10 ℃。運行人員通常根據(jù)經(jīng)驗或室外氣象參數(shù)的變化判斷系統(tǒng)的負荷需求情況,并以此為參考調(diào)整供水溫度設定值,對于一些冷凍水系統(tǒng),供水溫度設定值還可能在全年工況均保持某一固定值不變。該文將冷凍水供水溫度作為一個常量,采用式(4)的前件變量配置,構(gòu)建一組冷水機組能耗預測模型。在實際運行中,若當前冷凍水供水溫度設定值為7 ℃,即可調(diào)用供水溫度為7 ℃下的模型進行冷水機組的能耗預測。本文將分別建立三組模型,分別對應冷凍水供水溫度設定值為7 ℃、9 ℃、11 ℃。

    1)tCHWS=7 ℃時,樣本數(shù)據(jù)為1781組,模型與樣本數(shù)據(jù)的平均相對誤差為9.3%,PER為24.63 kW。預測模型參數(shù)列于表1與表2中,預測模型輸出與樣本數(shù)據(jù)的對比情況如圖1所示。

    2)tCHWS=9 ℃時,樣本數(shù)據(jù)為1645組,模型與樣本數(shù)據(jù)的平均相對誤差為6.8%,PER為18.66 kW。預測模型輸出與樣本數(shù)據(jù)的對比情況如圖2所示。

    3)tCHWS=11 ℃時,樣本數(shù)據(jù)為1616組,模型與樣本數(shù)據(jù)的平均相對誤差為8.2%,PER為18.22 kW。預測模型輸出與樣本數(shù)據(jù)的對比情況如圖3所示。

    3 結(jié)語

    該文首先提出了一類面向冷水機組優(yōu)化控制的部分負荷模型建模方法,然后利用該方法,基于某實際項目的冷水機組實際監(jiān)測數(shù)據(jù),建立了對應不同冷凍水供水溫度的三組冷水機組部分負荷能耗預測模型。

    辨識結(jié)果同監(jiān)測數(shù)據(jù)的對比表明,該文基于雙聚類算法所建立冷水機組部分負荷能耗預測模型的辨識精度較理想,三組模型的平均相對誤差變化范圍為6.8%~9.3%。

    參考文獻

    [1] 江億.我國建筑耗能情況及有效的節(jié)能途徑[J].暖通空調(diào),2005,35(5):30-40.

    [2] T.Takagi,M.Sugeno.Fuzzy Identification of Systems and Its Application to Modeling and Control[J].IEEE Trans. on Systems,Man,Cybernetics,1985,15(1):116-132.

    [3] M.Sugeno.Industrial Applications of Fuzzy Control[M]. Elsevier,Amsterdam,1985.

    [4] E.Kim,H.Lee,M.Park.A Simply IdentifyiedSugeno-type Fuzzy Model via Double Clustering[J].Informantion Sciences,1998,110(2):25-39.

    猜你喜歡
    預測模型冷水機組建筑節(jié)能
    土木工程中建筑節(jié)能的重要性簡述
    水冷磁懸浮變頻離心式冷水機組
    現(xiàn)代建筑節(jié)能環(huán)保技術(shù)的應用
    基于神經(jīng)網(wǎng)絡的北京市房價預測研究
    中國石化J分公司油氣開發(fā)投資分析與預測模型研究
    基于IOWHA法的物流需求組合改善與預測模型構(gòu)建
    基于預測模型加擾動控制的最大功率點跟蹤研究
    2015年建筑節(jié)能實施的新標準
    克萊門特冷水機組系統(tǒng)節(jié)能應用會議順利召開
    河南精蠟廠新增冷水機組降耗效果好
    国产69精品久久久久777片| 日韩视频在线欧美| 国产男人的电影天堂91| 国产高清不卡午夜福利| 中文字幕亚洲精品专区| 91久久精品国产一区二区成人| 国产成人福利小说| 搡女人真爽免费视频火全软件| 亚洲精华国产精华液的使用体验| 最后的刺客免费高清国语| 日韩大片免费观看网站| 亚洲精品aⅴ在线观看| 免费看光身美女| 免费黄频网站在线观看国产| 韩国高清视频一区二区三区| 国产一区二区亚洲精品在线观看| 狂野欧美白嫩少妇大欣赏| 国产精品人妻久久久影院| 1000部很黄的大片| 在线播放无遮挡| 最近最新中文字幕大全电影3| 丰满少妇做爰视频| 国产精品三级大全| 日韩强制内射视频| 草草在线视频免费看| 国产毛片a区久久久久| 日韩成人伦理影院| av在线天堂中文字幕| 国产精品国产三级专区第一集| 国产免费又黄又爽又色| 毛片一级片免费看久久久久| 精品熟女少妇av免费看| 亚洲人成网站在线观看播放| 免费黄网站久久成人精品| 午夜免费激情av| 亚洲内射少妇av| 男女啪啪激烈高潮av片| 久久久久久久久中文| 亚洲av电影不卡..在线观看| 非洲黑人性xxxx精品又粗又长| 国产亚洲午夜精品一区二区久久 | 男插女下体视频免费在线播放| 亚洲自偷自拍三级| 国产av在哪里看| 少妇高潮的动态图| 啦啦啦韩国在线观看视频| 国产精品一二三区在线看| 最近中文字幕高清免费大全6| 高清日韩中文字幕在线| 午夜福利在线在线| 亚洲电影在线观看av| 亚洲在久久综合| 国产高清三级在线| 最近的中文字幕免费完整| 卡戴珊不雅视频在线播放| 国产精品三级大全| 美女国产视频在线观看| 亚洲精品视频女| 日本-黄色视频高清免费观看| 三级经典国产精品| 欧美日本视频| 老师上课跳d突然被开到最大视频| 韩国高清视频一区二区三区| 国产人妻一区二区三区在| 精品久久久久久久末码| av一本久久久久| 精品国产三级普通话版| 午夜福利在线在线| 我的老师免费观看完整版| 国产黄片美女视频| 久久久久免费精品人妻一区二区| 国产 一区 欧美 日韩| 成人鲁丝片一二三区免费| 午夜激情欧美在线| 日日干狠狠操夜夜爽| 久久精品国产自在天天线| 亚洲乱码一区二区免费版| 久久99蜜桃精品久久| 国产午夜精品久久久久久一区二区三区| 亚洲精品自拍成人| 22中文网久久字幕| 亚洲乱码一区二区免费版| 中文天堂在线官网| 女人久久www免费人成看片| 免费看光身美女| 一个人看视频在线观看www免费| 赤兔流量卡办理| 免费观看精品视频网站| 成人美女网站在线观看视频| 亚洲av在线观看美女高潮| 中文字幕制服av| 国产视频内射| 色视频www国产| 麻豆av噜噜一区二区三区| 亚洲欧美中文字幕日韩二区| 国产老妇伦熟女老妇高清| 国产亚洲精品久久久com| 男女视频在线观看网站免费| 综合色丁香网| 69av精品久久久久久| 国产精品久久久久久av不卡| 嫩草影院新地址| 国产精品女同一区二区软件| 精品一区在线观看国产| 久久久久久久午夜电影| a级毛片免费高清观看在线播放| 中国国产av一级| 亚洲伊人久久精品综合| 亚洲av成人精品一二三区| 色吧在线观看| 九色成人免费人妻av| 国产精品一及| 亚洲乱码一区二区免费版| 国产极品天堂在线| 2022亚洲国产成人精品| av网站免费在线观看视频 | 边亲边吃奶的免费视频| 午夜福利在线观看免费完整高清在| 夫妻性生交免费视频一级片| 国产成人精品福利久久| 日韩,欧美,国产一区二区三区| 国产伦理片在线播放av一区| 亚洲av中文字字幕乱码综合| 国产免费又黄又爽又色| 观看免费一级毛片| 成年女人在线观看亚洲视频 | 最近2019中文字幕mv第一页| 久久国内精品自在自线图片| 亚洲国产精品成人久久小说| 色视频www国产| 久久久久久久久久久丰满| 国产精品麻豆人妻色哟哟久久 | 大话2 男鬼变身卡| 欧美精品一区二区大全| 人人妻人人澡欧美一区二区| 国产精品国产三级专区第一集| 亚洲国产精品sss在线观看| 久久久久久伊人网av| 亚洲一级一片aⅴ在线观看| 国产成人福利小说| 91久久精品国产一区二区三区| av一本久久久久| 欧美一区二区亚洲| 欧美日韩视频高清一区二区三区二| 中国国产av一级| 亚洲综合精品二区| 最近中文字幕高清免费大全6| 国精品久久久久久国模美| 91精品伊人久久大香线蕉| 精品久久久精品久久久| 韩国av在线不卡| 精品人妻熟女av久视频| 成人av在线播放网站| 国产精品嫩草影院av在线观看| 97热精品久久久久久| 亚洲高清免费不卡视频| 97热精品久久久久久| 插阴视频在线观看视频| 最近2019中文字幕mv第一页| 久久草成人影院| 国产久久久一区二区三区| 国产一区有黄有色的免费视频 | 99re6热这里在线精品视频| 网址你懂的国产日韩在线| 精品国产一区二区三区久久久樱花 | 国产成人精品一,二区| 看黄色毛片网站| av播播在线观看一区| 日韩强制内射视频| 亚洲无线观看免费| 永久免费av网站大全| 亚洲一级一片aⅴ在线观看| 一个人免费在线观看电影| 久久久久精品性色| 亚洲人成网站高清观看| 少妇高潮的动态图| 国产不卡一卡二| 又粗又硬又长又爽又黄的视频| 亚洲欧美日韩卡通动漫| 狂野欧美白嫩少妇大欣赏| 中文字幕久久专区| 国产爱豆传媒在线观看| 国产欧美另类精品又又久久亚洲欧美| 天美传媒精品一区二区| 老司机影院成人| 国产在视频线在精品| 国产白丝娇喘喷水9色精品| 中文天堂在线官网| 国产国拍精品亚洲av在线观看| 男插女下体视频免费在线播放| 亚洲人成网站在线播| 国产白丝娇喘喷水9色精品| 国产亚洲5aaaaa淫片| 免费大片18禁| 麻豆av噜噜一区二区三区| 特级一级黄色大片| 亚洲激情五月婷婷啪啪| 精品国产三级普通话版| 久久久精品欧美日韩精品| 在线观看美女被高潮喷水网站| 欧美日韩国产mv在线观看视频 | 欧美潮喷喷水| 久久久久久久久中文| 国产免费福利视频在线观看| 3wmmmm亚洲av在线观看| 色哟哟·www| 18禁在线无遮挡免费观看视频| 干丝袜人妻中文字幕| kizo精华| 国产免费一级a男人的天堂| 精品久久久久久久久亚洲| 我的女老师完整版在线观看| 夫妻午夜视频| 美女内射精品一级片tv| 亚洲av免费高清在线观看| 国产精品一区www在线观看| 国产乱人偷精品视频| 亚洲在久久综合| 伊人久久精品亚洲午夜| 大话2 男鬼变身卡| 2022亚洲国产成人精品| 亚洲一级一片aⅴ在线观看| 亚洲av一区综合| 熟女人妻精品中文字幕| 蜜桃亚洲精品一区二区三区| 免费人成在线观看视频色| 日本熟妇午夜| 亚洲精品视频女| 日韩三级伦理在线观看| 最近视频中文字幕2019在线8| 毛片女人毛片| 91精品国产九色| 赤兔流量卡办理| 美女脱内裤让男人舔精品视频| 国产精品福利在线免费观看| 免费播放大片免费观看视频在线观看| 五月玫瑰六月丁香| 午夜亚洲福利在线播放| 精品人妻熟女av久视频| 国产综合懂色| 青春草视频在线免费观看| 日日摸夜夜添夜夜添av毛片| 日本免费在线观看一区| 日韩中字成人| 男女边吃奶边做爰视频| 午夜福利在线观看吧| 蜜桃久久精品国产亚洲av| 日韩视频在线欧美| 色5月婷婷丁香| 国产成人精品久久久久久| 亚洲欧美日韩无卡精品| 亚洲综合色惰| 久久久精品欧美日韩精品| 能在线免费看毛片的网站| 国产黄色视频一区二区在线观看| 欧美日韩亚洲高清精品| 80岁老熟妇乱子伦牲交| 天堂中文最新版在线下载 | 内地一区二区视频在线| 成年女人在线观看亚洲视频 | 97超碰精品成人国产| 三级经典国产精品| 中文欧美无线码| 九色成人免费人妻av| 久久久国产一区二区| 国精品久久久久久国模美| 亚洲欧美一区二区三区国产| 国产 一区 欧美 日韩| 国产毛片a区久久久久| 亚洲真实伦在线观看| 亚洲18禁久久av| 麻豆国产97在线/欧美| 69人妻影院| 国产精品美女特级片免费视频播放器| 狂野欧美白嫩少妇大欣赏| 精品亚洲乱码少妇综合久久| 亚洲国产日韩欧美精品在线观看| 你懂的网址亚洲精品在线观看| 亚洲熟女精品中文字幕| av在线天堂中文字幕| 亚洲无线观看免费| 一级毛片黄色毛片免费观看视频| 国内少妇人妻偷人精品xxx网站| 久久精品夜夜夜夜夜久久蜜豆| 一级二级三级毛片免费看| 人妻少妇偷人精品九色| 日本一本二区三区精品| 夜夜看夜夜爽夜夜摸| 免费电影在线观看免费观看| 性插视频无遮挡在线免费观看| 熟妇人妻不卡中文字幕| 精品不卡国产一区二区三区| 色综合亚洲欧美另类图片| 一本久久精品| 国产成人a区在线观看| 久久久久久久久久人人人人人人| 精华霜和精华液先用哪个| 久久人人爽人人爽人人片va| 91精品伊人久久大香线蕉| 午夜激情欧美在线| 国产激情偷乱视频一区二区| 国产av码专区亚洲av| 久久久久精品久久久久真实原创| 欧美一区二区亚洲| 久久精品久久久久久久性| 少妇的逼水好多| 日本黄大片高清| 亚洲国产av新网站| 日本av手机在线免费观看| 啦啦啦啦在线视频资源| 国产伦在线观看视频一区| 蜜臀久久99精品久久宅男| 国产精品日韩av在线免费观看| av女优亚洲男人天堂| 最近最新中文字幕大全电影3| 一区二区三区高清视频在线| 国产欧美另类精品又又久久亚洲欧美| 成人午夜高清在线视频| 国产精品一区www在线观看| 亚洲天堂国产精品一区在线| 亚洲在久久综合| 亚洲真实伦在线观看| 久久精品综合一区二区三区| 国产精品美女特级片免费视频播放器| 美女被艹到高潮喷水动态| 国产有黄有色有爽视频| 搡女人真爽免费视频火全软件| 观看美女的网站| 免费黄色在线免费观看| 免费人成在线观看视频色| av在线蜜桃| 亚洲怡红院男人天堂| 男女视频在线观看网站免费| 国产精品久久久久久久久免| 人妻制服诱惑在线中文字幕| 美女大奶头视频| 淫秽高清视频在线观看| 欧美xxxx黑人xx丫x性爽| 中文字幕制服av| 91狼人影院| 国产三级在线视频| 亚洲国产欧美人成| 非洲黑人性xxxx精品又粗又长| 成人午夜精彩视频在线观看| 2022亚洲国产成人精品| 校园人妻丝袜中文字幕| 午夜激情福利司机影院| 欧美变态另类bdsm刘玥| 成人毛片a级毛片在线播放| 99久久中文字幕三级久久日本| 美女内射精品一级片tv| 丝瓜视频免费看黄片| 人人妻人人澡人人爽人人夜夜 | 亚洲av成人精品一二三区| 卡戴珊不雅视频在线播放| 亚洲人成网站在线播| 亚洲成色77777| 床上黄色一级片| 免费看av在线观看网站| 亚洲最大成人中文| 久久久久精品久久久久真实原创| 欧美另类一区| 99热全是精品| 免费无遮挡裸体视频| 久久人人爽人人爽人人片va| 亚洲精品成人av观看孕妇| 久久久久免费精品人妻一区二区| 国产不卡一卡二| 亚洲综合精品二区| 国产免费又黄又爽又色| 国产爱豆传媒在线观看| 两个人视频免费观看高清| 久久久久性生活片| 国产成人午夜福利电影在线观看| 久久99精品国语久久久| 搡老乐熟女国产| 久热久热在线精品观看| 免费av不卡在线播放| 国产精品一及| 国产精品久久久久久精品电影小说 | 国产v大片淫在线免费观看| 国产伦一二天堂av在线观看| 国产午夜精品久久久久久一区二区三区| 国产高清国产精品国产三级 | av.在线天堂| 国产av不卡久久| 简卡轻食公司| 免费av观看视频| 男女下面进入的视频免费午夜| 国内精品宾馆在线| 亚洲精品一二三| 国产一区二区三区av在线| 综合色丁香网| 亚洲美女搞黄在线观看| 日本免费在线观看一区| 亚洲av成人av| 国产视频内射| 亚洲欧美日韩东京热| 菩萨蛮人人尽说江南好唐韦庄| 在现免费观看毛片| 波多野结衣巨乳人妻| 日本色播在线视频| 亚洲高清免费不卡视频| 国产探花在线观看一区二区| 日韩人妻高清精品专区| 国产精品精品国产色婷婷| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 老司机影院毛片| 高清av免费在线| 成人鲁丝片一二三区免费| 波野结衣二区三区在线| 七月丁香在线播放| 亚洲va在线va天堂va国产| 中文字幕人妻熟人妻熟丝袜美| 亚洲av二区三区四区| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 只有这里有精品99| 我要看日韩黄色一级片| 国产精品伦人一区二区| 精品国产一区二区三区久久久樱花 | 丰满人妻一区二区三区视频av| 亚洲国产精品成人久久小说| 亚洲人成网站在线观看播放| 国产 一区精品| 国产成人a∨麻豆精品| 真实男女啪啪啪动态图| 91午夜精品亚洲一区二区三区| 大片免费播放器 马上看| 国产在线男女| 亚洲av成人精品一二三区| 国产视频内射| 亚洲电影在线观看av| 精品一区在线观看国产| 欧美极品一区二区三区四区| 欧美精品一区二区大全| 国产高潮美女av| 国产乱人视频| 免费观看性生交大片5| 中文字幕人妻熟人妻熟丝袜美| 永久免费av网站大全| 亚洲精品国产成人久久av| 日本三级黄在线观看| 亚洲av中文av极速乱| 成人无遮挡网站| 国产在线男女| 男人舔女人下体高潮全视频| 一本久久精品| 精品一区二区三卡| 中文欧美无线码| 一级毛片我不卡| 18+在线观看网站| 97超视频在线观看视频| 麻豆乱淫一区二区| 成人亚洲精品一区在线观看 | 午夜老司机福利剧场| 91狼人影院| 最近最新中文字幕免费大全7| 国产精品伦人一区二区| 一级毛片黄色毛片免费观看视频| 成人特级av手机在线观看| 蜜桃久久精品国产亚洲av| 国产免费一级a男人的天堂| 最近中文字幕高清免费大全6| 欧美97在线视频| av免费观看日本| 在线免费十八禁| 免费av不卡在线播放| 国国产精品蜜臀av免费| 成人亚洲精品av一区二区| 91久久精品电影网| 欧美zozozo另类| 啦啦啦韩国在线观看视频| 欧美日韩精品成人综合77777| 2021少妇久久久久久久久久久| 伊人久久精品亚洲午夜| 亚洲18禁久久av| 中文字幕免费在线视频6| 亚洲国产高清在线一区二区三| 最近中文字幕高清免费大全6| 精品久久久噜噜| 26uuu在线亚洲综合色| 国产美女午夜福利| 永久网站在线| 午夜福利视频精品| 人妻一区二区av| 国产av不卡久久| 日本三级黄在线观看| 少妇人妻一区二区三区视频| 精品欧美国产一区二区三| 欧美不卡视频在线免费观看| 久久久久久久午夜电影| 日韩欧美国产在线观看| 91av网一区二区| 最近的中文字幕免费完整| 黄色日韩在线| 成人漫画全彩无遮挡| 十八禁国产超污无遮挡网站| 91午夜精品亚洲一区二区三区| 好男人视频免费观看在线| 亚洲欧美成人精品一区二区| 午夜激情久久久久久久| 尤物成人国产欧美一区二区三区| 免费观看a级毛片全部| 国产精品一区www在线观看| 亚洲在久久综合| 久久久久久国产a免费观看| 日韩电影二区| 亚州av有码| 亚洲美女搞黄在线观看| 国产精品无大码| 免费黄色在线免费观看| 欧美xxⅹ黑人| 亚洲高清免费不卡视频| 熟妇人妻久久中文字幕3abv| 亚洲av福利一区| 亚洲精品一区蜜桃| 看非洲黑人一级黄片| 嘟嘟电影网在线观看| freevideosex欧美| 国产精品熟女久久久久浪| 人人妻人人澡人人爽人人夜夜 | 好男人视频免费观看在线| 国产午夜精品论理片| 九色成人免费人妻av| 成人综合一区亚洲| 精品久久久久久电影网| 午夜精品国产一区二区电影 | 欧美高清性xxxxhd video| 国产黄频视频在线观看| 亚洲精品日本国产第一区| .国产精品久久| 国产高清有码在线观看视频| 一个人看视频在线观看www免费| 亚洲av电影在线观看一区二区三区 | 18禁在线无遮挡免费观看视频| 国产午夜精品论理片| 久久精品综合一区二区三区| 免费人成在线观看视频色| 床上黄色一级片| 波多野结衣巨乳人妻| a级毛片免费高清观看在线播放| 国产免费又黄又爽又色| 在线免费观看的www视频| 99热这里只有精品一区| 日本午夜av视频| 国产精品久久久久久精品电影小说 | av国产免费在线观看| 三级国产精品片| av在线观看视频网站免费| 亚洲精品成人av观看孕妇| 久久久久久九九精品二区国产| 国内精品宾馆在线| 国产老妇女一区| 少妇猛男粗大的猛烈进出视频 | 插阴视频在线观看视频| 精品少妇黑人巨大在线播放| 亚洲国产av新网站| 亚洲一区高清亚洲精品| 国产亚洲5aaaaa淫片| 日韩一区二区三区影片| 午夜日本视频在线| 最近的中文字幕免费完整| 纵有疾风起免费观看全集完整版 | 成年免费大片在线观看| 久久久久久九九精品二区国产| 简卡轻食公司| 国产永久视频网站| 日韩亚洲欧美综合| 天堂中文最新版在线下载 | 国产成人91sexporn| 尤物成人国产欧美一区二区三区| 精品国产三级普通话版| 国产在线一区二区三区精| 日韩不卡一区二区三区视频在线| 晚上一个人看的免费电影| 国产一区二区在线观看日韩| 91精品国产九色| 美女大奶头视频| 久久久久久久大尺度免费视频| 国产真实伦视频高清在线观看| 一级黄片播放器| 2022亚洲国产成人精品| 一级黄片播放器| 2022亚洲国产成人精品| 蜜桃亚洲精品一区二区三区| 日本午夜av视频| 国产v大片淫在线免费观看| 美女大奶头视频| 91精品国产九色| 3wmmmm亚洲av在线观看| 亚洲av不卡在线观看| 欧美日韩精品成人综合77777| 蜜桃亚洲精品一区二区三区| 国产精品无大码| 成人亚洲精品av一区二区| 国产成人91sexporn| 精品亚洲乱码少妇综合久久| 日韩大片免费观看网站| 天堂影院成人在线观看| 国产一区亚洲一区在线观看| 亚洲在线自拍视频| 免费不卡的大黄色大毛片视频在线观看 | 一级毛片aaaaaa免费看小| 一级a做视频免费观看| 中国美白少妇内射xxxbb| 日本爱情动作片www.在线观看| 人妻制服诱惑在线中文字幕| 69av精品久久久久久| 网址你懂的国产日韩在线| 亚洲国产最新在线播放| 全区人妻精品视频| 午夜精品在线福利| 国产永久视频网站| 非洲黑人性xxxx精品又粗又长| 自拍偷自拍亚洲精品老妇|