• <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 ?

    基于曲線相似性的負(fù)荷分類方法及其應(yīng)用研究

    2014-12-20 06:49:14張靠社何優(yōu)琪劉福潮梁雅芳
    電網(wǎng)與清潔能源 2014年7期
    關(guān)鍵詞:標(biāo)準(zhǔn)差聚類距離

    張靠社,何優(yōu)琪,劉福潮,梁雅芳

    (1. 西安理工大學(xué) 水利水電學(xué)院,陜西 西安 710048;2. 甘肅省電力科學(xué)研究院,甘肅 蘭州 730050)

    伴隨智能電網(wǎng)的不斷發(fā)展,需求側(cè)負(fù)荷管理技術(shù)在電網(wǎng)被廣泛采用,負(fù)荷分類也變?yōu)殡妰r制定、負(fù)荷預(yù)測、系統(tǒng)規(guī)劃、負(fù)荷管理等的重要工作基礎(chǔ)。由此,研究提出更準(zhǔn)確有效的負(fù)荷分類方法,具有重要的理論意義和實用價值。由于電力系統(tǒng)綜合負(fù)荷具有地域分散、類型繁多、結(jié)構(gòu)復(fù)雜和非線性等特點,負(fù)荷的分類與綜合已成為電力系統(tǒng)的一個難題[1]?,F(xiàn)今對大量的用戶負(fù)荷時序數(shù)據(jù)進(jìn)行描述分析和分類控制時,在前期處理時大多數(shù)都利用的是負(fù)荷的聚類分析。

    通常利用的聚類方法有模糊聚類、C—均值法、系統(tǒng)聚類、K—均值法、K—means聚類、基于人工神經(jīng)網(wǎng)格和基于密度的方法[2-4]等。近年來,逐步深入的進(jìn)行數(shù)據(jù)挖掘研究,涌現(xiàn)了許多新的聚類分析法[5-6]。文獻(xiàn)[7]采用Ward法,該方法最終聚類數(shù)目的確定需要根據(jù)結(jié)果和經(jīng)驗進(jìn)行選??;文獻(xiàn)[8]采用將最大最小距離作為度量進(jìn)行聚類。在負(fù)荷分類領(lǐng)域中,現(xiàn)今運用最廣泛的方式是自組織映射方法(Self Organizing Mapping,SOM),文獻(xiàn)[9]對SOM算法做了相關(guān)研究,應(yīng)用中SOM方法的主要缺點是分析人員需要在計算前,提前給定分類的具體數(shù)目(K),通常需進(jìn)行多次試算才能得到滿意的分類結(jié)果,且很難控制負(fù)荷分類結(jié)果的精度。

    針對這些負(fù)荷聚類方法算法復(fù)雜、計算量大、要求預(yù)先設(shè)定聚類初值等缺陷,為了更有效地進(jìn)行負(fù)荷分類,經(jīng)研究發(fā)現(xiàn),一種基于曲線相似性的判定方法被廣泛應(yīng)用于各領(lǐng)域。文獻(xiàn)[10]提出一種基于類曲率的曲線相似判定方法,并應(yīng)用于圖像拼接,圖像修補(bǔ)等方向;文獻(xiàn)[11]采用離散Fréchet 距離作為距離的測度進(jìn)行研究,建立數(shù)學(xué)模型用于判定曲線相似性,利用150個隨機(jī)的在線手寫簽名進(jìn)行驗證,結(jié)果匹配率高達(dá)90%以上;文獻(xiàn)[12]對中國各個貿(mào)易大類商品中加工貿(mào)易的構(gòu)成曲線進(jìn)行分析歸納,得到中國加工貿(mào)易主體商品結(jié)構(gòu)的演變過程。

    把曲線相似性作為判定依據(jù),應(yīng)用于大規(guī)模電力負(fù)荷分類領(lǐng)域的研究非常少。為此,本文提出一種基于日負(fù)荷曲線,將曲線相似精度設(shè)定為分類閾值的負(fù)荷分類方法。該方法在滿足事先確定的精度要求下,能將日負(fù)荷曲線集聚合成滿足要求的類別。并完成某電網(wǎng)實測負(fù)荷樣本的分類,證明該方法具有可行性和高效性,可作為系統(tǒng)規(guī)劃、錯峰管理、負(fù)荷預(yù)測的可靠依據(jù)。

    1 分類方法基本理論

    以下列出負(fù)荷曲線聚類方法的主要定義,含有曲線類相似精度及曲線相似度的明確概念[13]。

    將n個連續(xù)觀測的數(shù)據(jù)連成的曲線記為Ci=Ci(xi1,xi2,…,xin)。則可以定義Ci與Cj兩條曲線間的相似度測量如下述。

    定義1 曲線Ci(xi1,xi2,…,xin)和Cj(xj1,xj2,…,xjn)之間的距離:

    按照上面的定義1,在曲線間相應(yīng)分量點距離中的最大距離就是兩曲線之間的距離。距離Dij可以表征曲線的形態(tài)相似度,曲線越相似Dij值越小。只有在對應(yīng)的范圍內(nèi)控制好曲線類中的全部曲線間的相似度,才能保證分類的結(jié)果符合一定的精度。這個“范圍”即是該曲線類的“相似精度”。

    定義2 記曲線類M(C1,C2,…,Cm),其中,Ci(xi1,xi2,…,xin)。曲線類M的相似精度為

    從式(2)可以看出,如果E(M)為曲線類M的相似精度是已知的,若引入一條不屬于M的新曲線Ci以后變?yōu)樾碌那€類M′,判定E(M′)>E(M)是否成立時,利用表達(dá)式(3)計算新曲線類M′的相似精度變得更簡單。

    可使用以下3個定義,進(jìn)一步分析曲線集合分類結(jié)果的質(zhì)量。

    首先給出曲線類M的質(zhì)心的定義,從物理學(xué)方面來考慮,曲線類的質(zhì)心就是此類曲線中各點的平均值。記M(C1,C2,…,Cm)為曲線,Ci(xi1,xi2,…,xin),1≤i≤m,定義曲線類C的質(zhì)心如下表述。

    定義3 曲線類M的質(zhì)心為

    如有曲線類M(C1,C2,…,Cm),與曲線Cj(xj1,xj2,…,xjn),其中Cj不屬于M,曲線Cj與曲線類M的距離同曲線Cj的平均離差定義如下表示。

    定義4 定義曲線Cj和曲線類M的距離為曲線Cj與質(zhì)心的距離,即

    由于分類結(jié)果的優(yōu)劣很大程度上會影響預(yù)測建模的精度,即使分類后得出結(jié)果,對曲線類聚集程度進(jìn)行分析也是十分必要的。若曲線具有較好的分類效果,才可進(jìn)行該類曲線的建模;如果曲線比較離散,某一類分類效果不佳,為保留原始信息,要求對該類曲線完成二次分類,直至得出滿足要求的結(jié)果。

    顯示一組數(shù)據(jù)的離散程度的量化方式中,標(biāo)準(zhǔn)差是最為常用的一種。設(shè)曲線類M(C1,C2,…,Cm),其中,Cj(xj1,xj2,…,xjn),1≤j≤m其曲線類M的質(zhì)心為則時刻T(1≤T≤n)該類曲線類的標(biāo)準(zhǔn)差可表示為

    SDT體現(xiàn)該組數(shù)據(jù)的變異程度,其值越大變異程度就大,質(zhì)心代表性越差,相反也一樣。將曲線類所有時刻的標(biāo)準(zhǔn)差連起來即得該類的標(biāo)準(zhǔn)差曲線。因各類曲線的數(shù)據(jù)相差較大,因此在使用標(biāo)準(zhǔn)差曲線判定各類曲線的離散度以前,對其數(shù)據(jù)需要進(jìn)行預(yù)處理。

    2 負(fù)荷分類數(shù)據(jù)預(yù)處理

    由于負(fù)荷數(shù)據(jù)庫極大,且數(shù)據(jù)庫非常容易受到不一致數(shù)據(jù)、噪聲和丟失數(shù)據(jù)的影響。通常數(shù)據(jù)中存在“壞數(shù)據(jù)”或“不良數(shù)據(jù)”,為此利用數(shù)據(jù)前需先完成數(shù)據(jù)預(yù)處理,以避免其影響分類結(jié)果。本文利用的是比較濾波法[14],該方法的原理是在T時刻,將負(fù)荷進(jìn)行縱橫向?qū)Ρ龋嬎愠鯰-1時刻和T+1時刻的負(fù)荷平均值與T時刻的負(fù)荷進(jìn)行比較,且計算出前一天、前兩天的T時刻負(fù)荷平均值再次對比。若兩個的偏差超出某一閾值,則選擇橫、縱向比較的平均值。

    若進(jìn)行系統(tǒng)用戶負(fù)荷分類時,選取負(fù)荷特性指標(biāo)的不同,很大程度影響到最后的分類結(jié)果。日負(fù)荷曲線能體現(xiàn)負(fù)荷隨時間變化的特性,用戶負(fù)荷的變化趨勢和大小經(jīng)日負(fù)荷曲線體現(xiàn)非常直觀,該曲線也可以較全面反映各用戶的負(fù)荷特性。在合約交易中典型日負(fù)荷曲線更是作為期貨、分配電量、分析互聯(lián)系統(tǒng)錯峰效益和審核調(diào)峰能力的基礎(chǔ)。并且利用各類型用戶的用電日負(fù)荷曲線,各級電網(wǎng)變電站和調(diào)度中心能研究用戶結(jié)構(gòu)改變對用電負(fù)荷造成的重要影響,從而掌握更全面負(fù)荷的變化情況。為此,本文選擇日負(fù)荷曲線作為系統(tǒng)負(fù)荷分類的依據(jù)。

    本文出現(xiàn)的負(fù)荷曲線都是用戶日負(fù)荷曲線標(biāo)準(zhǔn)化后的結(jié)果,所以完成電力系統(tǒng)用戶的分類工作其本質(zhì)就是進(jìn)行用戶日負(fù)荷曲線的分類。

    3 基于曲線相似精度的算法概述

    下面介紹的負(fù)荷曲線分類方法是將相似精度作為閾值。此算法的基本思路為設(shè)一個曲線集合為M。按照具體需求,開始選定一個相似精度,并且把其作為分類時使用的終止閾值,然后選擇M中間曲線距離最大的兩條。將任一條定成聚核開始聚類,若出現(xiàn)此類相似精度達(dá)到閾值的情況,則停止聚類,從而聚類出首個曲線類M1。定M2=M-M1,由此曲線集合M2完成相同聚類步驟,在全部曲線均歸到特定類別后,算法停止。此算法的具體步驟如下:

    針對給定曲線集M(C1,C2,…,Cm),設(shè)W作為曲線聚類的相似精度閾值。1)在曲線集合M中計算兩兩曲線間的距離,挑選出兩兩間距離最大的一條曲線,記為A;2)將A歸到曲線類M1,中,并記M=MM1;3)曲線集合M中,將集合M1同各曲線的距離計算出來,得最小距離相應(yīng)的曲線B,并記M1′=M1+B;4)按照式(3)計算E(M1′)。如果E(M1′)>W,那么算法轉(zhuǎn)至1)。反之把B歸到曲線類M1中,分別記M1=M1+B;M=M-M1,算法轉(zhuǎn)3);5)若M是空集,那么有算法停止。

    根據(jù)所取得的聚類結(jié)果,可以再綜合每一條曲線Cj,j=1,2,…,m,至曲線類質(zhì)心M軓的距離,以及各條曲線Cj,j=1,2,…,m的離差平均值。從整體全面地把握任一曲線的歸類精度和分類效果的分布狀況。

    4 應(yīng)用實例分析

    本文從某電網(wǎng)選取370個用戶負(fù)荷的時序數(shù)據(jù),同時采用模糊C均值聚類(Fuzzy C-Means,F(xiàn)CM)方法與負(fù)荷曲線分類方法對該電網(wǎng)的用戶負(fù)荷分別進(jìn)行分類。首先利用FCM方法對370條日負(fù)荷曲線進(jìn)行分類,在劃分的聚類算法理論基礎(chǔ)之上,F(xiàn)CM方法的思想是保證被歸到同一類的對象間的相似度最大,非同類之間的相似度最小。首先需要確定聚類數(shù)目并建立模糊相似矩陣,才能開始迭代直至目標(biāo)函數(shù)收斂到最小值,最后顯示聚類結(jié)果。利用距離聚類方法對樣本數(shù)據(jù)進(jìn)行分類,得最優(yōu)分類數(shù)是十類,分析得到的這十類負(fù)荷曲線的簇集程度。計算出每一類各時刻的標(biāo)準(zhǔn)差,繪制各類負(fù)荷的標(biāo)準(zhǔn)差曲線如圖1示,由圖1可表明標(biāo)準(zhǔn)差曲線中第一類、第七類與第九類明顯高于其他負(fù)荷曲線,顯示這些類曲線簇中的負(fù)荷曲線分布較為分散。為此,需進(jìn)行再次分類的為此三類負(fù)荷曲線,以確保對用戶負(fù)荷曲線初始信息的準(zhǔn)確辨識。

    圖1 十類標(biāo)準(zhǔn)差曲線Fig. 1 Ten class standard deviation curves

    依照標(biāo)準(zhǔn)差結(jié)果圖,其中有三個曲線類(第一類、第七類與第九類)的聚集不夠理想,分類以后效果較差,且其負(fù)荷的均值曲線代表性較差,用此直接進(jìn)行辨識或預(yù)測,導(dǎo)致誤差很大。分類效果較好的是七類,控制標(biāo)準(zhǔn)差都在0.7之下,需對聚集效果不理想的三類中的曲線進(jìn)行二次分類,以確保每一類的精度。第一類曲線含有38條,第七類曲線包含98條,第九類曲線包含44條,依次對其完成二次分類,總共分為六類,再對二次分類的六類曲線進(jìn)行簇集度分析,求其六類的標(biāo)準(zhǔn)差及標(biāo)準(zhǔn)差曲線,如圖2所示。

    圖2 二次分類后六類標(biāo)準(zhǔn)差曲線Fig. 2 Six standard deviation curves after secondary classification

    圖2中表明對第一類、第七類和第九類二次分類,得到較好的分類結(jié)果,明顯改善了各類中的曲線類聚集程度。最終把用戶的370條日負(fù)荷曲線分成十三大類,同時將每條曲線的標(biāo)準(zhǔn)差控制在0.07以下,分類效果良好。通過上述分類過程看出,F(xiàn)CM方法是應(yīng)用較為廣泛聚類方法,能順利完成大規(guī)模曲線的分類,并具有較好的分類效果。但因FCM聚類需要預(yù)先指定分類數(shù)目,需要進(jìn)行聚類的有效性檢驗,所以其具有分類效率和準(zhǔn)確性低的缺點。

    鑒于此,以下使用本文中基于曲線相似性的負(fù)荷分類方法進(jìn)行該電網(wǎng)的負(fù)荷分類。因分類依據(jù)是在日負(fù)荷曲線的原始形狀基礎(chǔ)上,且各負(fù)荷具有量綱不一致的難題,但預(yù)先已對370個用戶負(fù)荷的時序數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理,再利用新的負(fù)荷曲線分類方法進(jìn)行分類,設(shè)定0.5為所選日曲線類相似精度的閾值。該方法把370條不同用戶曲線聚類成十三類,所得到每類的最大值、最小值以及均值曲線,如圖3所示。

    圖3 基于曲線相似性分類算法效果圖Fig. 3 Classification algorithm renderings based on the similarity of curves

    依照圖3可知,其中每一類的分類效果良好。效果圖顯示,采用新的負(fù)荷曲線分類法所得的結(jié)果,同使用模糊C均值聚類法的分類結(jié)果相差并不大,優(yōu)點在于很大程度上減少了分類的工作量,實現(xiàn)了更準(zhǔn)確有效進(jìn)行負(fù)荷分類的目標(biāo)。計算求出各類曲線的標(biāo)準(zhǔn)差,效果圖4中得,若把每一類標(biāo)準(zhǔn)差均控制在0.7以下,分類產(chǎn)生良好效果,且曲線簇集程度較好。

    圖4 十三類標(biāo)準(zhǔn)差曲線Fig. 4 Thirteen class standard deviation curve

    將上述計算出的每一類負(fù)荷曲線的算術(shù)均值,當(dāng)成此類用戶的典型日負(fù)荷曲線,其對電網(wǎng)的運行、規(guī)劃和負(fù)荷管理都具有重要意義,同時在電力市場條件下,更是作為期貨、合約交易中分配電量,審核調(diào)峰能力及分析互聯(lián)系統(tǒng)錯峰效益的基礎(chǔ)。

    5 結(jié)語

    本文提出了一種基于曲線相似性的負(fù)荷分類方法,依照相似精度的閾值將日負(fù)荷曲線集地劃分成若干的曲線類別,其結(jié)果可做為系統(tǒng)規(guī)劃、負(fù)荷管理和控制的依據(jù)。通過實例分析,該方法可以高效地得出滿足相似精度要求的分類結(jié)果,能大幅度降低系統(tǒng)負(fù)荷管理的難度與復(fù)雜度。

    [1] 林舜江,李欣然,劉楊華,等. 電力負(fù)荷動特性分類方法研究[J]. 電力系統(tǒng)自動化,2005,29(22): 33-38.LIN Shunjiang,LI Xinran,LIU Yanghua,et al. A classification method for aggregated load dynamic characteristics[J]. Automation of Electric Power Systems,2005,29(22): 33-38(in Chinese).

    [2] TSEKOURAS G J,KOTOULAS P B,TSIREKIS C D. A pattern recognition methodology for evaluation of load profiles and typical days of large electricity customers[J].Electric Power Systems Research,2008(27): 1494-1510.

    [3] BIDOKI S M,MAHMOUDI-KOHAN N. Evaluating different clustering techniques for electricity customer classification[C]. Transmission and Distribution Conference and Exposition,2010 IEEE PES: 1-5.

    [4] Teemu rasanen,Dimitrios Voukantsis. Data-based method for creating electricity use load profiles using large amount of customer-specific hourly measured electricity use data[J].Applied Energy,2010(87): 3538-3545.

    [5] WANG Wensheng,WANG Jin,WANG Kewen. Application of SOM neural network and C-means method in load classification[J]. Proceedings of the CSU-EPSA,2011,23(4): 36-39.

    [6] 周歡,李廣明,張高煜. SOM+K-means兩階段聚類算法及其應(yīng)用[J]. 計算機(jī)應(yīng)用技術(shù),2010(16): 113-116.ZHOU Huan,LI Guangming,ZHANG Gaoyu. SOM+Kmeans two-phase clustering algorithm and its application[J].Modern Electronics Technique,2010(16): 113-116(in Chinese).

    [7] TANG Guangze,WANG Jin,LI Cailing. Study on characteristics classification of power load based on ward method[J]. Journal of Electric Power,2008,12(23): 470-473.

    [8] 周涓,熊忠陽,張玉芳,等. 基于最大最小距離法的多中心聚類算法[J]. 計算機(jī)用,2006,26(6): 1425-1428.ZHOU Juan,XIONG Zhongyang,ZHANG Yufang,et al.Multiseed clustering algorithm based on max-min distance means[J]. Computer Applications,2006,26(6): 1425-1428(in Chinese).

    [9] YU Jian,GUO Ping. Research of clustering algorithm of self-organizing maps neural networks[J]. Modern Computer,2007(255): 7-9.

    [10] 于昊,趙乃良,陳小雕. 類曲率在曲線相似性判定中的應(yīng)用[J]. 中國圖象圖形學(xué)報,2012,17(5): 707-714.YU Hao,ZHAO Nailiang,CHEN Xiaodiao.Quasi-curvature and its application in similarity measurement of curves[J].Journal of Image and Graphics,2012,17(5): 707-714(in Chinese).

    [11] 朱潔,黃樟燦,彭曉琳. 基于離散Fréchet 距離的判別曲線相似性的算法[J]. 武漢大學(xué)學(xué)報:理學(xué)版,2009,55(2): 227-232.ZHU Jie,HUANG Zhangcan,PENG Xiaolin. Curve similarity judgment based on the discrete fréchet distance[J].Wuhan University Journal,2009,55(2): 227-232(in Chinese).

    [12] 葉明. 中國加工貿(mào)易商品演變過程分析—基于曲線聚類方法研究[J]. 世界經(jīng)濟(jì)研究,2011(8): 49-54.YE Ming. The evolution of China’s processing trade goods:an analysis based on the curves clustering method[J]. World Economy Study,2011(8): 49-54(in Chinese).

    [13] 葉明,王惠文,寇微. 大規(guī)模曲線的自動分類方法及其應(yīng)用[J]. 系統(tǒng)管理學(xué)報,2010,19(2): 640-644.YE Ming. WANG Huiwen,KOU Wei. Automatic classification method of large-scale curves and application[J].Journal of Systems&Management,2010,19(2): 640-644(in Chinese).

    [14] 馮曉蒲.基于實際負(fù)荷曲線的電力用戶分類技術(shù)研究[D].北京: 華北電力大學(xué),2010.

    [15] 鞠平,金艷,吳峰,等. 綜合負(fù)荷特性的分類綜合方法及其應(yīng)用[J]. 電力系統(tǒng)自動化,2004,28(1): 64-68.JU Ping,JIN Yan,WU Feng,et al. Studieson classifieation and synthesis of cornposite dynarnie loads[J]. Automation of Eleetrie Power Systems,2004,28(1): 64-68(in Chinese).

    [16] 張忠華. 電力系統(tǒng)負(fù)荷分類研究[D]. 天津: 天津大學(xué),2007.

    [17] 賀仁睦,劉應(yīng)梅. 基于KOHONEN神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)負(fù)荷動特性聚類與綜合[J]. 中國電機(jī)工程學(xué)報,2003,23(5): 1-5.HE Renmu,LIU Yingmei. The characteristics clustering and synthesis of electric dynamic loads based on KOHONEN neural network[J]. Proceedings of the CSEE,2003,23(5):1-5(in Chinese).

    猜你喜歡
    標(biāo)準(zhǔn)差聚類距離
    用Pro-Kin Line平衡反饋訓(xùn)練儀對早期帕金森病患者進(jìn)行治療對其動態(tài)平衡功能的影響
    算距離
    基于DBSACN聚類算法的XML文檔聚類
    電子測試(2017年15期)2017-12-18 07:19:27
    每次失敗都會距離成功更近一步
    山東青年(2016年3期)2016-02-28 14:25:55
    基于改進(jìn)的遺傳算法的模糊聚類算法
    對于平均差與標(biāo)準(zhǔn)差的數(shù)學(xué)關(guān)系和應(yīng)用價值比較研究
    愛的距離
    母子健康(2015年1期)2015-02-28 11:21:33
    一種層次初始的聚類個數(shù)自適應(yīng)的聚類方法研究
    距離有多遠(yuǎn)
    自適應(yīng)確定K-means算法的聚類數(shù):以遙感圖像聚類為例
    日本三级黄在线观看| 少妇裸体淫交视频免费看高清| 亚洲国产欧美一区二区综合| 美女 人体艺术 gogo| 日韩欧美国产在线观看| 国产精品一区二区三区四区免费观看 | 青草久久国产| 精品99又大又爽又粗少妇毛片 | 免费看美女性在线毛片视频| 欧美日本亚洲视频在线播放| 亚洲va日本ⅴa欧美va伊人久久| 12—13女人毛片做爰片一| 亚洲,欧美精品.| 亚洲无线在线观看| 欧美色欧美亚洲另类二区| 一级毛片精品| 午夜福利高清视频| 丰满的人妻完整版| 欧美一区二区国产精品久久精品| tocl精华| 国产又黄又爽又无遮挡在线| 中文资源天堂在线| 又粗又爽又猛毛片免费看| 18禁国产床啪视频网站| a在线观看视频网站| 成年免费大片在线观看| 老司机福利观看| 欧美乱码精品一区二区三区| 免费看a级黄色片| 欧美一区二区国产精品久久精品| 午夜激情欧美在线| 国产精品电影一区二区三区| 亚洲专区国产一区二区| 国产极品精品免费视频能看的| 男女做爰动态图高潮gif福利片| 久久久成人免费电影| 久久久久久久久久黄片| 亚洲五月婷婷丁香| 日韩欧美国产在线观看| 国内精品美女久久久久久| 色吧在线观看| 麻豆av在线久日| 男人和女人高潮做爰伦理| 美女扒开内裤让男人捅视频| 亚洲va日本ⅴa欧美va伊人久久| 无遮挡黄片免费观看| 天天添夜夜摸| 国产麻豆成人av免费视频| 可以在线观看毛片的网站| 99视频精品全部免费 在线 | 国产激情欧美一区二区| 身体一侧抽搐| 黄频高清免费视频| 久久久久性生活片| 国产激情欧美一区二区| 日本免费一区二区三区高清不卡| 久久久久久大精品| 色视频www国产| 午夜日韩欧美国产| 岛国在线观看网站| 亚洲成人精品中文字幕电影| 91久久精品国产一区二区成人 | 精品午夜福利视频在线观看一区| 国产精品乱码一区二三区的特点| 草草在线视频免费看| 国产伦人伦偷精品视频| 久久久国产成人精品二区| 欧美日韩国产亚洲二区| 美女免费视频网站| 成人无遮挡网站| 黄色丝袜av网址大全| av天堂中文字幕网| 亚洲国产欧洲综合997久久,| 99久久国产精品久久久| 两性午夜刺激爽爽歪歪视频在线观看| 神马国产精品三级电影在线观看| 久久久久久国产a免费观看| 国产欧美日韩一区二区精品| 一级毛片高清免费大全| 在线视频色国产色| 免费搜索国产男女视频| 久久午夜综合久久蜜桃| 999精品在线视频| 国产欧美日韩精品亚洲av| 免费观看的影片在线观看| 观看免费一级毛片| 日韩人妻高清精品专区| 91av网站免费观看| 亚洲国产精品久久男人天堂| 欧美日韩精品网址| www.999成人在线观看| 在线观看午夜福利视频| 亚洲 欧美一区二区三区| 成人av一区二区三区在线看| 嫩草影院精品99| 欧美丝袜亚洲另类 | 精品久久久久久久末码| 精品99又大又爽又粗少妇毛片 | 免费在线观看成人毛片| 国产精品一区二区精品视频观看| 久久精品aⅴ一区二区三区四区| 色播亚洲综合网| 色av中文字幕| 九九在线视频观看精品| 国产亚洲欧美在线一区二区| 首页视频小说图片口味搜索| 亚洲av五月六月丁香网| 久久天堂一区二区三区四区| 热99re8久久精品国产| 国产熟女xx| www日本黄色视频网| 日日干狠狠操夜夜爽| 99热这里只有精品一区 | 国产高清有码在线观看视频| 91老司机精品| 村上凉子中文字幕在线| 精品国产乱码久久久久久男人| 亚洲欧美精品综合久久99| 免费无遮挡裸体视频| 色吧在线观看| 亚洲一区高清亚洲精品| 小说图片视频综合网站| 久久久久久国产a免费观看| 最新在线观看一区二区三区| 老司机在亚洲福利影院| 久久久成人免费电影| tocl精华| 欧美乱色亚洲激情| 久久天堂一区二区三区四区| 可以在线观看的亚洲视频| 亚洲国产欧美网| 伊人久久大香线蕉亚洲五| 少妇丰满av| 国产又色又爽无遮挡免费看| 九色成人免费人妻av| 亚洲人成电影免费在线| 熟女少妇亚洲综合色aaa.| 黄色丝袜av网址大全| 国产激情偷乱视频一区二区| 久久精品91蜜桃| 深夜精品福利| 欧美日韩福利视频一区二区| 精品久久久久久久人妻蜜臀av| 国语自产精品视频在线第100页| 国产高清视频在线播放一区| 成人特级黄色片久久久久久久| 日韩国内少妇激情av| 在线a可以看的网站| 国产一区二区三区视频了| 久久久久亚洲av毛片大全| 国产精品综合久久久久久久免费| 国内精品久久久久久久电影| 在线播放国产精品三级| 日日摸夜夜添夜夜添小说| 窝窝影院91人妻| 黑人巨大精品欧美一区二区mp4| 99国产极品粉嫩在线观看| 国产三级在线视频| www.999成人在线观看| 亚洲五月天丁香| 精品无人区乱码1区二区| 一本精品99久久精品77| 黄色日韩在线| 日韩 欧美 亚洲 中文字幕| 又大又爽又粗| 美女被艹到高潮喷水动态| 亚洲欧美日韩无卡精品| 黄片大片在线免费观看| 午夜日韩欧美国产| 国产精品av视频在线免费观看| 久久久国产成人免费| 最近最新中文字幕大全电影3| 亚洲一区二区三区色噜噜| 国产一区二区三区在线臀色熟女| 精品久久久久久久久久久久久| 人妻夜夜爽99麻豆av| 偷拍熟女少妇极品色| 亚洲成a人片在线一区二区| 在线十欧美十亚洲十日本专区| 亚洲av日韩精品久久久久久密| 男人的好看免费观看在线视频| 国产成人av激情在线播放| 国产三级在线视频| 91在线精品国自产拍蜜月 | 99精品在免费线老司机午夜| 曰老女人黄片| 欧美黄色片欧美黄色片| 国产v大片淫在线免费观看| 亚洲中文字幕日韩| 日本免费a在线| 中文字幕最新亚洲高清| 天天躁狠狠躁夜夜躁狠狠躁| av女优亚洲男人天堂 | 青草久久国产| 日韩精品中文字幕看吧| 亚洲精品美女久久av网站| 国产97色在线日韩免费| 久久久久久人人人人人| 狠狠狠狠99中文字幕| 亚洲在线自拍视频| 国产精品久久久av美女十八| 毛片女人毛片| 精品国内亚洲2022精品成人| 99re在线观看精品视频| 亚洲人与动物交配视频| 99视频精品全部免费 在线 | 精品一区二区三区视频在线观看免费| 日日干狠狠操夜夜爽| 中文字幕久久专区| 亚洲成人中文字幕在线播放| 一级作爱视频免费观看| 亚洲色图av天堂| 色综合站精品国产| 日本一本二区三区精品| 男人舔女人的私密视频| 男女之事视频高清在线观看| 夜夜躁狠狠躁天天躁| 亚洲国产精品sss在线观看| 国产精华一区二区三区| 天天一区二区日本电影三级| a级毛片a级免费在线| 国产精品永久免费网站| 在线视频色国产色| 欧美日韩福利视频一区二区| 熟女电影av网| 久久久精品欧美日韩精品| svipshipincom国产片| 男人舔奶头视频| 中国美女看黄片| 91在线观看av| 国产成人福利小说| 成人18禁在线播放| 天天躁狠狠躁夜夜躁狠狠躁| 后天国语完整版免费观看| 亚洲va日本ⅴa欧美va伊人久久| 长腿黑丝高跟| 免费看日本二区| 国产一区二区三区视频了| 最近最新中文字幕大全免费视频| 亚洲成av人片在线播放无| 1024香蕉在线观看| 真人一进一出gif抽搐免费| 在线十欧美十亚洲十日本专区| 亚洲精品粉嫩美女一区| av黄色大香蕉| 日本黄大片高清| 国产精品久久久久久人妻精品电影| 免费一级毛片在线播放高清视频| 精品国产美女av久久久久小说| 两人在一起打扑克的视频| 久久香蕉精品热| 男女之事视频高清在线观看| 色综合婷婷激情| 久久久久久久久久黄片| 国内久久婷婷六月综合欲色啪| 女人高潮潮喷娇喘18禁视频| 可以在线观看的亚洲视频| 麻豆成人av在线观看| 俄罗斯特黄特色一大片| 国产av麻豆久久久久久久| 国产蜜桃级精品一区二区三区| 夜夜夜夜夜久久久久| 日本黄色视频三级网站网址| а√天堂www在线а√下载| 一级毛片精品| 波多野结衣高清作品| 蜜桃久久精品国产亚洲av| 久久久久久人人人人人| 久久午夜亚洲精品久久| 一级黄色大片毛片| 夜夜爽天天搞| 欧美精品啪啪一区二区三区| 免费大片18禁| 在线国产一区二区在线| 亚洲18禁久久av| 法律面前人人平等表现在哪些方面| 日韩精品中文字幕看吧| 精品免费久久久久久久清纯| 91在线观看av| 中文字幕熟女人妻在线| 亚洲中文日韩欧美视频| 99在线人妻在线中文字幕| 国产高清videossex| 亚洲成人中文字幕在线播放| 少妇的丰满在线观看| 欧美+亚洲+日韩+国产| 给我免费播放毛片高清在线观看| 国产乱人伦免费视频| 国产精品爽爽va在线观看网站| 男女那种视频在线观看| 亚洲片人在线观看| 午夜福利成人在线免费观看| 村上凉子中文字幕在线| 免费在线观看亚洲国产| 国产一区二区三区视频了| 夜夜爽天天搞| 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| 观看免费一级毛片| 美女黄网站色视频| 午夜久久久久精精品| 亚洲国产看品久久| 91麻豆av在线| 久久久久久人人人人人| 日本免费a在线| 国内精品久久久久精免费| 神马国产精品三级电影在线观看| 狠狠狠狠99中文字幕| 国内久久婷婷六月综合欲色啪| 男人舔女人的私密视频| 亚洲国产欧美一区二区综合| 国产v大片淫在线免费观看| 国产成人av教育| 中文资源天堂在线| 岛国视频午夜一区免费看| 国产视频内射| 国产精品亚洲一级av第二区| 国产三级黄色录像| 成人亚洲精品av一区二区| 99久久久亚洲精品蜜臀av| 欧美日韩中文字幕国产精品一区二区三区| 欧美丝袜亚洲另类 | 午夜福利在线观看免费完整高清在 | 18美女黄网站色大片免费观看| www.熟女人妻精品国产| 一区二区三区激情视频| 欧美性猛交╳xxx乱大交人| 国产aⅴ精品一区二区三区波| 全区人妻精品视频| 亚洲国产欧美人成| 久久伊人香网站| 制服人妻中文乱码| 熟妇人妻久久中文字幕3abv| 国产私拍福利视频在线观看| 操出白浆在线播放| 不卡av一区二区三区| 天堂√8在线中文| 日本在线视频免费播放| 欧美又色又爽又黄视频| 一个人观看的视频www高清免费观看 | 高清毛片免费观看视频网站| 欧美中文综合在线视频| 国产精品亚洲美女久久久| 香蕉av资源在线| 香蕉丝袜av| 好男人在线观看高清免费视频| 久久天躁狠狠躁夜夜2o2o| 亚洲av电影不卡..在线观看| 又紧又爽又黄一区二区| 97碰自拍视频| 国产精品女同一区二区软件 | 精品99又大又爽又粗少妇毛片 | АⅤ资源中文在线天堂| 亚洲天堂国产精品一区在线| 国产精品一及| 中文在线观看免费www的网站| 神马国产精品三级电影在线观看| 成人av在线播放网站| 悠悠久久av| 久9热在线精品视频| 三级国产精品欧美在线观看 | 2021天堂中文幕一二区在线观| 国产成人一区二区三区免费视频网站| 亚洲成人久久性| 男人和女人高潮做爰伦理| 国产极品精品免费视频能看的| 青草久久国产| 午夜视频精品福利| 女警被强在线播放| 男人舔奶头视频| 精品一区二区三区四区五区乱码| 午夜影院日韩av| 国产精品亚洲av一区麻豆| 村上凉子中文字幕在线| 成熟少妇高潮喷水视频| 少妇丰满av| 法律面前人人平等表现在哪些方面| 精品国产三级普通话版| 级片在线观看| 免费高清视频大片| 中文字幕av在线有码专区| 天堂√8在线中文| 欧美最黄视频在线播放免费| 久久香蕉国产精品| 中文字幕高清在线视频| 国产精品精品国产色婷婷| 欧美日韩国产亚洲二区| 69av精品久久久久久| 色老头精品视频在线观看| 国产精品久久久久久人妻精品电影| 精品福利观看| 高清毛片免费观看视频网站| 12—13女人毛片做爰片一| 欧美日韩一级在线毛片| 亚洲精品在线观看二区| 性欧美人与动物交配| 国产成人系列免费观看| 色av中文字幕| 18禁国产床啪视频网站| 99精品在免费线老司机午夜| 中文字幕熟女人妻在线| 在线十欧美十亚洲十日本专区| 日韩av在线大香蕉| 成人特级黄色片久久久久久久| 欧美成狂野欧美在线观看| 999精品在线视频| 日韩有码中文字幕| 亚洲精品一区av在线观看| 久久久国产成人精品二区| 巨乳人妻的诱惑在线观看| 午夜福利成人在线免费观看| 1024香蕉在线观看| 成人一区二区视频在线观看| 国产一区二区激情短视频| 成人精品一区二区免费| 黄频高清免费视频| 在线a可以看的网站| 国产亚洲av嫩草精品影院| 日本黄色视频三级网站网址| 国产成人aa在线观看| 午夜免费成人在线视频| 校园春色视频在线观看| 精品乱码久久久久久99久播| 一级毛片精品| 日本免费a在线| 手机成人av网站| 性色avwww在线观看| 亚洲一区二区三区色噜噜| 一级作爱视频免费观看| 18禁观看日本| 欧美色欧美亚洲另类二区| 丁香欧美五月| 久久午夜综合久久蜜桃| 国产三级黄色录像| 两性午夜刺激爽爽歪歪视频在线观看| 最近最新中文字幕大全免费视频| 中文亚洲av片在线观看爽| tocl精华| 国产男靠女视频免费网站| 老司机午夜福利在线观看视频| 美女午夜性视频免费| 国产亚洲精品久久久久久毛片| 哪里可以看免费的av片| 看黄色毛片网站| 51午夜福利影视在线观看| 黄色成人免费大全| 99在线视频只有这里精品首页| 神马国产精品三级电影在线观看| 亚洲av电影不卡..在线观看| 国产成年人精品一区二区| 国产激情偷乱视频一区二区| 性色av乱码一区二区三区2| 网址你懂的国产日韩在线| 免费观看的影片在线观看| 亚洲专区中文字幕在线| 特大巨黑吊av在线直播| 午夜免费观看网址| 小蜜桃在线观看免费完整版高清| 成人午夜高清在线视频| 国产午夜福利久久久久久| 18禁黄网站禁片午夜丰满| 亚洲成人精品中文字幕电影| 国产人伦9x9x在线观看| 久久久久久国产a免费观看| 老司机深夜福利视频在线观看| 亚洲五月天丁香| 老汉色∧v一级毛片| 99热6这里只有精品| 日本与韩国留学比较| 亚洲男人的天堂狠狠| 深夜精品福利| 国产午夜精品论理片| a级毛片在线看网站| 1000部很黄的大片| 久久久国产成人精品二区| 在线永久观看黄色视频| 看片在线看免费视频| 91av网站免费观看| 国产精品亚洲一级av第二区| 中文字幕精品亚洲无线码一区| 日韩欧美精品v在线| 99久久成人亚洲精品观看| 亚洲熟妇熟女久久| 特级一级黄色大片| 美女cb高潮喷水在线观看 | 久久伊人香网站| АⅤ资源中文在线天堂| 免费在线观看视频国产中文字幕亚洲| 欧美xxxx黑人xx丫x性爽| 午夜福利高清视频| 校园春色视频在线观看| 久久久水蜜桃国产精品网| 搞女人的毛片| 香蕉国产在线看| av中文乱码字幕在线| www.精华液| 九色成人免费人妻av| 99国产精品一区二区三区| 午夜免费激情av| av天堂在线播放| 亚洲国产中文字幕在线视频| 亚洲精品粉嫩美女一区| 成人国产综合亚洲| 在线观看日韩欧美| 国产精品香港三级国产av潘金莲| 国产午夜精品久久久久久| 丁香六月欧美| 中文字幕熟女人妻在线| 亚洲自偷自拍图片 自拍| 亚洲精品中文字幕一二三四区| 亚洲午夜精品一区,二区,三区| 欧美在线一区亚洲| 免费av不卡在线播放| 丝袜人妻中文字幕| 精品国产超薄肉色丝袜足j| 亚洲国产色片| www.自偷自拍.com| 夜夜夜夜夜久久久久| www日本黄色视频网| 亚洲精品乱码久久久v下载方式 | av在线天堂中文字幕| 不卡av一区二区三区| 久久亚洲真实| 国产视频一区二区在线看| 欧美乱妇无乱码| 18禁观看日本| 欧美丝袜亚洲另类 | 国产伦人伦偷精品视频| 757午夜福利合集在线观看| 母亲3免费完整高清在线观看| 曰老女人黄片| 美女cb高潮喷水在线观看 | 日本在线视频免费播放| 国产亚洲精品av在线| 日韩av在线大香蕉| 精品电影一区二区在线| 性欧美人与动物交配| 亚洲精品色激情综合| 一级毛片高清免费大全| 久久精品91无色码中文字幕| 日本免费一区二区三区高清不卡| 熟女少妇亚洲综合色aaa.| 女生性感内裤真人,穿戴方法视频| 曰老女人黄片| 午夜激情欧美在线| 一进一出好大好爽视频| 欧美日韩国产亚洲二区| 一本一本综合久久| 中文字幕人成人乱码亚洲影| 亚洲 欧美一区二区三区| cao死你这个sao货| 97碰自拍视频| 两个人的视频大全免费| 最新在线观看一区二区三区| 亚洲av免费在线观看| 欧美乱码精品一区二区三区| 久久性视频一级片| 啦啦啦免费观看视频1| 可以在线观看毛片的网站| 欧美在线一区亚洲| 亚洲av成人不卡在线观看播放网| 亚洲天堂国产精品一区在线| 日本免费a在线| 悠悠久久av| 国产精品久久电影中文字幕| 国产亚洲欧美在线一区二区| 黑人巨大精品欧美一区二区mp4| 桃色一区二区三区在线观看| 精品国产美女av久久久久小说| 国产亚洲精品一区二区www| 午夜精品在线福利| 午夜a级毛片| 国产精品野战在线观看| 在线观看午夜福利视频| 亚洲成人精品中文字幕电影| 国产探花在线观看一区二区| 欧美黑人巨大hd| 人人妻人人澡欧美一区二区| 精品久久久久久久久久免费视频| 日日干狠狠操夜夜爽| 日韩人妻高清精品专区| 亚洲欧洲精品一区二区精品久久久| 叶爱在线成人免费视频播放| av在线蜜桃| 国产精品 欧美亚洲| 亚洲九九香蕉| 身体一侧抽搐| 日本在线视频免费播放| 精品国产乱码久久久久久男人| 亚洲成人久久性| 国产精品永久免费网站| 国产亚洲欧美在线一区二区| 中文亚洲av片在线观看爽| 欧美一级毛片孕妇| 成人特级av手机在线观看| 亚洲熟女毛片儿| 成熟少妇高潮喷水视频| 一个人免费在线观看的高清视频| 日本黄色视频三级网站网址| 欧美日韩亚洲国产一区二区在线观看| 国产精品爽爽va在线观看网站| 精品国产超薄肉色丝袜足j| 欧美日韩亚洲国产一区二区在线观看| or卡值多少钱| 色哟哟哟哟哟哟| 丰满人妻熟妇乱又伦精品不卡| 在线观看美女被高潮喷水网站 | 啦啦啦韩国在线观看视频| 国产精品 国内视频| av中文乱码字幕在线| 99热精品在线国产| 日韩高清综合在线| 日韩 欧美 亚洲 中文字幕| netflix在线观看网站| 亚洲色图 男人天堂 中文字幕|