• <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
    日韩欧美三级三区| www日本黄色视频网| 亚洲av熟女| 男人舔女人的私密视频| 久久精品91无色码中文字幕| 亚洲av片天天在线观看| 久久久久国内视频| 精华霜和精华液先用哪个| 精品久久久久久久久久免费视频| 久久久久久国产a免费观看| 国产亚洲精品久久久久久毛片| 成熟少妇高潮喷水视频| 国产黄a三级三级三级人| 久久久久亚洲av毛片大全| 亚洲成av人片在线播放无| 色精品久久人妻99蜜桃| 全区人妻精品视频| 老鸭窝网址在线观看| 成人国产一区最新在线观看| 中文资源天堂在线| 精品熟女少妇八av免费久了| 久久香蕉国产精品| www.自偷自拍.com| 岛国在线观看网站| 麻豆一二三区av精品| 男人和女人高潮做爰伦理| 久久久久久国产a免费观看| 不卡一级毛片| 午夜成年电影在线免费观看| 国产黄色小视频在线观看| 97碰自拍视频| 亚洲一区二区三区不卡视频| 真人一进一出gif抽搐免费| 亚洲精品粉嫩美女一区| 国产一区二区三区视频了| 国产 一区 欧美 日韩| 国产欧美日韩一区二区精品| 深夜精品福利| 久久精品人妻少妇| 国产精品久久久久久久电影 | 色av中文字幕| 国产精品久久久久久人妻精品电影| 亚洲成人中文字幕在线播放| 白带黄色成豆腐渣| 99久久精品国产亚洲精品| 亚洲国产欧美人成| 91字幕亚洲| h日本视频在线播放| 精品久久蜜臀av无| 国产精品久久久人人做人人爽| 色哟哟哟哟哟哟| 欧美绝顶高潮抽搐喷水| 成人亚洲精品av一区二区| 美女 人体艺术 gogo| 亚洲美女黄片视频| 久久精品国产综合久久久| 真人一进一出gif抽搐免费| АⅤ资源中文在线天堂| 一区二区三区高清视频在线| xxx96com| 99久久精品国产亚洲精品| 国产午夜精品久久久久久| 我的老师免费观看完整版| 久久国产精品人妻蜜桃| 日本一二三区视频观看| 97超视频在线观看视频| 久久国产精品影院| 亚洲第一电影网av| 性色avwww在线观看| 亚洲人成网站高清观看| 高清毛片免费观看视频网站| 国产高清视频在线观看网站| 国产午夜福利久久久久久| 成人一区二区视频在线观看| 亚洲人与动物交配视频| 国产精品久久久人人做人人爽| 黄色成人免费大全| 国产又黄又爽又无遮挡在线| 一进一出抽搐动态| 露出奶头的视频| 无遮挡黄片免费观看| 又黄又粗又硬又大视频| 蜜桃久久精品国产亚洲av| 亚洲色图 男人天堂 中文字幕| 90打野战视频偷拍视频| 精品久久久久久,| 不卡av一区二区三区| 亚洲国产精品久久男人天堂| 禁无遮挡网站| 久久久久久久午夜电影| 大型黄色视频在线免费观看| 亚洲成av人片在线播放无| 成年女人毛片免费观看观看9| 亚洲熟妇中文字幕五十中出| 日韩免费av在线播放| 黑人操中国人逼视频| 老司机午夜福利在线观看视频| 搡老妇女老女人老熟妇| 国内揄拍国产精品人妻在线| 亚洲熟女毛片儿| 日日夜夜操网爽| 免费在线观看亚洲国产| 国产成人精品无人区| 久久久久久大精品| 国产精品久久久久久亚洲av鲁大| 久久精品亚洲精品国产色婷小说| 精品99又大又爽又粗少妇毛片 | 桃色一区二区三区在线观看| 亚洲欧美日韩高清专用| 亚洲熟妇熟女久久| 国内少妇人妻偷人精品xxx网站 | 婷婷精品国产亚洲av在线| 日韩中文字幕欧美一区二区| 国产精品亚洲美女久久久| 国产v大片淫在线免费观看| 免费观看的影片在线观看| 国产精品九九99| 成人av一区二区三区在线看| 无限看片的www在线观看| 中文在线观看免费www的网站| 后天国语完整版免费观看| 视频区欧美日本亚洲| 亚洲国产精品sss在线观看| 日本黄色视频三级网站网址| 国产激情欧美一区二区| 一边摸一边抽搐一进一小说| 男女床上黄色一级片免费看| 伊人久久大香线蕉亚洲五| 中文资源天堂在线| 色尼玛亚洲综合影院| 午夜精品在线福利| 国产精品自产拍在线观看55亚洲| 一a级毛片在线观看| 日本成人三级电影网站| 亚洲av中文字字幕乱码综合| 成年女人毛片免费观看观看9| 啪啪无遮挡十八禁网站| 午夜免费观看网址| 亚洲真实伦在线观看| 黄色日韩在线| 久久热在线av| 淫秽高清视频在线观看| 久久精品aⅴ一区二区三区四区| 我的老师免费观看完整版| 窝窝影院91人妻| 成年女人毛片免费观看观看9| 十八禁人妻一区二区| 日韩欧美三级三区| 99久久精品国产亚洲精品| 99久久无色码亚洲精品果冻| 男女床上黄色一级片免费看| 国产高清激情床上av| ponron亚洲| 国语自产精品视频在线第100页| 免费观看精品视频网站| 精品午夜福利视频在线观看一区| 亚洲五月婷婷丁香| 精品国产乱码久久久久久男人| 国产高清激情床上av| 日韩人妻高清精品专区| 亚洲人成网站在线播放欧美日韩| 又黄又粗又硬又大视频| 久久精品国产综合久久久| 亚洲一区二区三区不卡视频| 欧美绝顶高潮抽搐喷水| 搡老熟女国产l中国老女人| 国产成人精品久久二区二区免费| 中文字幕久久专区| 国产探花在线观看一区二区| 99久久99久久久精品蜜桃| 久久精品国产综合久久久| 国产高清videossex| 欧美中文日本在线观看视频| 国产极品精品免费视频能看的| 日韩国内少妇激情av| 欧美日韩国产亚洲二区| 亚洲av片天天在线观看| 国产aⅴ精品一区二区三区波| 国产精品亚洲av一区麻豆| tocl精华| 中国美女看黄片| 亚洲精品中文字幕一二三四区| 久久中文字幕人妻熟女| 国产蜜桃级精品一区二区三区| 91av网一区二区| 午夜福利18| 国产亚洲精品久久久久久毛片| 搡老熟女国产l中国老女人| 国产综合懂色| 看免费av毛片| xxx96com| 人妻久久中文字幕网| 欧美另类亚洲清纯唯美| 级片在线观看| 亚洲国产欧美网| 老司机深夜福利视频在线观看| 亚洲国产高清在线一区二区三| 女人高潮潮喷娇喘18禁视频| 男女做爰动态图高潮gif福利片| 亚洲精品国产精品久久久不卡| or卡值多少钱| 亚洲性夜色夜夜综合| 哪里可以看免费的av片| 日韩欧美精品v在线| 女人高潮潮喷娇喘18禁视频| 亚洲av成人不卡在线观看播放网| 又粗又爽又猛毛片免费看| av天堂中文字幕网| 日韩精品中文字幕看吧| 搡老熟女国产l中国老女人| 99热精品在线国产| 中文在线观看免费www的网站| 精品久久久久久久久久久久久| www.精华液| 午夜成年电影在线免费观看| 精品久久久久久久久久免费视频| 国产精品 欧美亚洲| 在线播放国产精品三级| 小蜜桃在线观看免费完整版高清| 精品久久久久久久久久免费视频| 午夜精品一区二区三区免费看| 最近最新中文字幕大全电影3| 一本精品99久久精品77| 国产高清三级在线| 免费观看精品视频网站| av黄色大香蕉| 国产激情久久老熟女| 色综合欧美亚洲国产小说| 久久久久国产一级毛片高清牌| 日韩有码中文字幕| 成人av在线播放网站| 1024手机看黄色片| 一本久久中文字幕| 久久性视频一级片| www.www免费av| 亚洲欧美一区二区三区黑人| 久久精品综合一区二区三区| 88av欧美| 国产高清视频在线观看网站| 一进一出好大好爽视频| 婷婷六月久久综合丁香| 婷婷六月久久综合丁香| 欧美av亚洲av综合av国产av| 亚洲av电影在线进入| 国产精品一区二区三区四区久久| 久久天堂一区二区三区四区| 舔av片在线| 99国产精品一区二区蜜桃av| 亚洲av第一区精品v没综合| 88av欧美| 极品教师在线免费播放| 51午夜福利影视在线观看| 欧美xxxx黑人xx丫x性爽| 老鸭窝网址在线观看| 69av精品久久久久久| 成人无遮挡网站| 桃红色精品国产亚洲av| 国产亚洲av嫩草精品影院| 最近在线观看免费完整版| 别揉我奶头~嗯~啊~动态视频| 黄色片一级片一级黄色片| 国产麻豆成人av免费视频| 亚洲精品乱码久久久v下载方式 | 波多野结衣巨乳人妻| 免费在线观看视频国产中文字幕亚洲| 一区二区三区激情视频| 国产三级中文精品| 久久久国产欧美日韩av| 精品国产美女av久久久久小说| 丰满的人妻完整版| 日本 av在线| 日韩欧美精品v在线| 在线视频色国产色| 国产三级中文精品| 国产精品综合久久久久久久免费| 天堂av国产一区二区熟女人妻| 国产亚洲精品综合一区在线观看| 国产精品99久久久久久久久| 亚洲最大成人中文| 亚洲欧美精品综合一区二区三区| 国产精品久久久久久久电影 | 成年免费大片在线观看| 很黄的视频免费| 欧美色欧美亚洲另类二区| www国产在线视频色| 在线播放国产精品三级| 观看免费一级毛片| 精品99又大又爽又粗少妇毛片 | 亚洲片人在线观看| 午夜免费观看网址| 亚洲熟妇中文字幕五十中出| 波多野结衣高清作品| 色综合站精品国产| 欧美性猛交╳xxx乱大交人| 亚洲aⅴ乱码一区二区在线播放| 亚洲精品久久国产高清桃花| 成人午夜高清在线视频| 精品久久久久久久末码| 午夜精品在线福利| 99热6这里只有精品| 欧美极品一区二区三区四区| 蜜桃久久精品国产亚洲av| 最近最新中文字幕大全电影3| 亚洲av成人精品一区久久| 中文字幕高清在线视频| 一级毛片高清免费大全| 亚洲欧美日韩高清在线视频| 真人做人爱边吃奶动态| 国产毛片a区久久久久| 全区人妻精品视频| 大型黄色视频在线免费观看| 亚洲 国产 在线| 久久久国产欧美日韩av| 少妇丰满av| 丰满的人妻完整版| 长腿黑丝高跟| 亚洲精品久久国产高清桃花| 国产69精品久久久久777片 | 国产精品综合久久久久久久免费| 国产精品av视频在线免费观看| 91av网一区二区| 亚洲精品粉嫩美女一区| 中文字幕人妻丝袜一区二区| 日韩av在线大香蕉| 99久国产av精品| 久久精品国产综合久久久| 国产乱人视频| 久久精品影院6| 久久午夜亚洲精品久久| 国产久久久一区二区三区| 国产伦一二天堂av在线观看| 精品不卡国产一区二区三区| 99久久久亚洲精品蜜臀av| 亚洲美女黄片视频| 国产欧美日韩一区二区三| 国产一区二区激情短视频| 搡老妇女老女人老熟妇| 18禁裸乳无遮挡免费网站照片| 国产欧美日韩一区二区精品| 日本黄色片子视频| 老司机午夜福利在线观看视频| 久久午夜综合久久蜜桃| 精华霜和精华液先用哪个| 日韩成人在线观看一区二区三区| 国产精品av视频在线免费观看| 国产黄a三级三级三级人| 18禁美女被吸乳视频| 桃红色精品国产亚洲av| 成人鲁丝片一二三区免费| 久久热在线av| 香蕉久久夜色| 精品一区二区三区视频在线观看免费| 色噜噜av男人的天堂激情| 国产一区二区三区在线臀色熟女| 中国美女看黄片| 丰满人妻熟妇乱又伦精品不卡| 欧美精品啪啪一区二区三区| 日本成人三级电影网站| 无遮挡黄片免费观看| 欧美日韩中文字幕国产精品一区二区三区| 日韩高清综合在线| 国内久久婷婷六月综合欲色啪| 人妻丰满熟妇av一区二区三区| 国产精品1区2区在线观看.| 村上凉子中文字幕在线| 老汉色av国产亚洲站长工具| 这个男人来自地球电影免费观看| 欧美乱妇无乱码| 真实男女啪啪啪动态图| 色老头精品视频在线观看| 嫩草影视91久久| a级毛片a级免费在线| 国产欧美日韩一区二区精品| 欧美国产日韩亚洲一区| 9191精品国产免费久久| 99久久久亚洲精品蜜臀av| 国产蜜桃级精品一区二区三区| 国产精品日韩av在线免费观看| 淫秽高清视频在线观看| 欧美zozozo另类| 国产一区二区在线av高清观看| 亚洲熟妇熟女久久| 搡老妇女老女人老熟妇| 国内精品久久久久久久电影| 人妻丰满熟妇av一区二区三区| av福利片在线观看| 日韩 欧美 亚洲 中文字幕| 男女之事视频高清在线观看| 精品一区二区三区视频在线 | 18禁国产床啪视频网站| 国产私拍福利视频在线观看| 一个人免费在线观看电影 | 亚洲av成人精品一区久久| 一级毛片高清免费大全| 亚洲人成网站在线播放欧美日韩| 亚洲自拍偷在线| АⅤ资源中文在线天堂| 免费看十八禁软件| aaaaa片日本免费| 免费在线观看日本一区| 欧美三级亚洲精品| 国产伦精品一区二区三区视频9 | 性色av乱码一区二区三区2| 1024手机看黄色片| 亚洲avbb在线观看| 欧美日韩国产亚洲二区| 午夜福利18| 搞女人的毛片| 久久九九热精品免费| 特大巨黑吊av在线直播| 国产成人精品久久二区二区免费| 麻豆久久精品国产亚洲av| 欧美午夜高清在线| 久久中文字幕一级| 桃色一区二区三区在线观看| 99国产精品99久久久久| 国产高清视频在线播放一区| 天堂√8在线中文| 久久午夜亚洲精品久久| 精品久久久久久久久久免费视频| 每晚都被弄得嗷嗷叫到高潮| 亚洲av日韩精品久久久久久密| 亚洲成a人片在线一区二区| 天天一区二区日本电影三级| 久久久国产欧美日韩av| а√天堂www在线а√下载| 国产 一区 欧美 日韩| 亚洲成人久久性| 美女免费视频网站| 国产伦人伦偷精品视频| 国产不卡一卡二| 国产成人影院久久av| 母亲3免费完整高清在线观看| 精品久久久久久久久久久久久| 国内精品一区二区在线观看| 午夜福利在线观看免费完整高清在 | 老司机在亚洲福利影院| 美女午夜性视频免费| 波多野结衣高清作品| 狂野欧美白嫩少妇大欣赏| 全区人妻精品视频| 亚洲av日韩精品久久久久久密| 91麻豆av在线| 2021天堂中文幕一二区在线观| 亚洲人成伊人成综合网2020| 中文亚洲av片在线观看爽| 99国产综合亚洲精品| 人妻丰满熟妇av一区二区三区| 18禁国产床啪视频网站| 精品久久久久久成人av| 最好的美女福利视频网| 国产淫片久久久久久久久 | 亚洲av五月六月丁香网| 亚洲国产欧美人成| 亚洲国产中文字幕在线视频| 一区二区三区高清视频在线| 色精品久久人妻99蜜桃| 日韩国内少妇激情av| 天天添夜夜摸| 99国产精品99久久久久| 免费高清视频大片| 精品久久蜜臀av无| 精品国产超薄肉色丝袜足j| 国产精品精品国产色婷婷| 午夜久久久久精精品| 国产精品久久久久久亚洲av鲁大| 日本 欧美在线| 亚洲av片天天在线观看| 91麻豆精品激情在线观看国产| 操出白浆在线播放| 白带黄色成豆腐渣| 久久久水蜜桃国产精品网| 精品无人区乱码1区二区| 亚洲欧美精品综合一区二区三区| or卡值多少钱| 国内久久婷婷六月综合欲色啪| 此物有八面人人有两片| 午夜福利在线观看吧| 丁香六月欧美| 久久精品国产亚洲av香蕉五月| 狂野欧美白嫩少妇大欣赏| 国产乱人伦免费视频| 日本免费a在线| 亚洲中文日韩欧美视频| 床上黄色一级片| av黄色大香蕉| av中文乱码字幕在线| 亚洲五月婷婷丁香| 国产精品亚洲美女久久久| 热99在线观看视频| 国产真实乱freesex| 日韩精品中文字幕看吧| 国产精品九九99| 日本在线视频免费播放| 国内少妇人妻偷人精品xxx网站 | 脱女人内裤的视频| 国产真人三级小视频在线观看| 好男人在线观看高清免费视频| 老司机在亚洲福利影院| 免费看美女性在线毛片视频| 国产又黄又爽又无遮挡在线| 精品久久久久久,| 一本一本综合久久| 曰老女人黄片| 精品久久久久久久毛片微露脸| 国产高清videossex| 午夜福利18| av女优亚洲男人天堂 | 中文字幕熟女人妻在线| 久久午夜综合久久蜜桃| 男人舔女人下体高潮全视频| 中文字幕精品亚洲无线码一区| 小说图片视频综合网站| 俄罗斯特黄特色一大片| 男女那种视频在线观看| 精华霜和精华液先用哪个| 99在线视频只有这里精品首页| www日本在线高清视频| 麻豆国产97在线/欧美| 精品久久久久久久久久久久久| 2021天堂中文幕一二区在线观| 亚洲五月婷婷丁香| 国内精品一区二区在线观看| 淫秽高清视频在线观看| 真实男女啪啪啪动态图| 欧美av亚洲av综合av国产av| 精品熟女少妇八av免费久了| av天堂中文字幕网| 51午夜福利影视在线观看| 小蜜桃在线观看免费完整版高清| 国产蜜桃级精品一区二区三区| 首页视频小说图片口味搜索| 国产高潮美女av| 在线观看午夜福利视频| 天天一区二区日本电影三级| 欧美日韩中文字幕国产精品一区二区三区| 级片在线观看| 美女午夜性视频免费| 精品一区二区三区四区五区乱码| 精品不卡国产一区二区三区| 欧美成人性av电影在线观看| 人人妻人人看人人澡| 天堂√8在线中文| 日本一本二区三区精品| 国产不卡一卡二| 女人被狂操c到高潮| 国产爱豆传媒在线观看| 给我免费播放毛片高清在线观看| 亚洲色图av天堂| 国产黄色小视频在线观看| 中文字幕av在线有码专区| 十八禁网站免费在线| 中文字幕最新亚洲高清| av欧美777| 99久久综合精品五月天人人| 久久久久亚洲av毛片大全| 成人av在线播放网站| 国产极品精品免费视频能看的| 欧美成人一区二区免费高清观看 | 久久久久久国产a免费观看| 夜夜躁狠狠躁天天躁| 97超视频在线观看视频| 在线播放国产精品三级| 国产不卡一卡二| 美女扒开内裤让男人捅视频| 久久人人精品亚洲av| 亚洲人成伊人成综合网2020| 精品电影一区二区在线| 久久久国产成人免费| 国产极品精品免费视频能看的| 国产成人影院久久av| 亚洲欧美精品综合一区二区三区| 欧美激情在线99| 色老头精品视频在线观看| 亚洲欧美一区二区三区黑人| 香蕉久久夜色| 免费看美女性在线毛片视频| 小蜜桃在线观看免费完整版高清| 亚洲精品国产精品久久久不卡| 日韩大尺度精品在线看网址| 深夜精品福利| 男女那种视频在线观看| 丰满人妻一区二区三区视频av | 狠狠狠狠99中文字幕| 久久久久免费精品人妻一区二区| 最近视频中文字幕2019在线8| 亚洲国产欧美网| 亚洲国产欧美人成| 天堂av国产一区二区熟女人妻| 国产av不卡久久| 国产在线精品亚洲第一网站| 99热只有精品国产| 久久国产精品人妻蜜桃| 久久久久久久久久黄片| 中文字幕最新亚洲高清| 宅男免费午夜| 夜夜躁狠狠躁天天躁| 长腿黑丝高跟| 级片在线观看| 一二三四社区在线视频社区8| 丁香六月欧美| 亚洲九九香蕉| 国产精品一区二区三区四区免费观看 | 最新在线观看一区二区三区| 亚洲欧美日韩无卡精品| 欧美色欧美亚洲另类二区| 午夜影院日韩av| 一卡2卡三卡四卡精品乱码亚洲| 久久精品国产亚洲av香蕉五月| 级片在线观看| 深夜精品福利| 99久久精品一区二区三区| 久久久精品欧美日韩精品| 欧美乱色亚洲激情| 国产精品久久久久久人妻精品电影|