• <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Spark的電力設(shè)備在線監(jiān)測(cè)數(shù)據(jù)可視化方法

    2016-05-03 11:35:37曲朝陽熊澤宇
    電工電能新技術(shù) 2016年11期
    關(guān)鍵詞:電力設(shè)備監(jiān)測(cè)數(shù)據(jù)風(fēng)機(jī)

    曲朝陽, 熊澤宇, 顏 佳, 辛 鵬, 曲 楠

    (1. 東北電力大學(xué)信息工程學(xué)院, 吉林省 吉林市 132012; 2. 國(guó)網(wǎng)吉林省電力有限公司, 吉林 長(zhǎng)春 130021; 3. 國(guó)網(wǎng)吉林省電力有限公司吉林供電公司, 吉林省 吉林市 132001;4. 江蘇省電力檢修分公司, 江蘇 南京 210008)

    基于Spark的電力設(shè)備在線監(jiān)測(cè)數(shù)據(jù)可視化方法

    曲朝陽1, 熊澤宇1, 顏 佳2, 辛 鵬3, 曲 楠4

    (1. 東北電力大學(xué)信息工程學(xué)院, 吉林省 吉林市 132012; 2. 國(guó)網(wǎng)吉林省電力有限公司, 吉林 長(zhǎng)春 130021; 3. 國(guó)網(wǎng)吉林省電力有限公司吉林供電公司, 吉林省 吉林市 132001;4. 江蘇省電力檢修分公司, 江蘇 南京 210008)

    大數(shù)據(jù)可視化可以實(shí)現(xiàn)海量電力設(shè)備在線監(jiān)測(cè)數(shù)據(jù)中各種屬性、運(yùn)行狀態(tài)等電力特征信息的圖形、圖像化直觀呈現(xiàn),為設(shè)備運(yùn)行狀態(tài)的及時(shí)有效監(jiān)控分析提供有力保障。因此,本文提出一種基于Spark的電力設(shè)備在線監(jiān)測(cè)數(shù)據(jù)可視化方法,為實(shí)現(xiàn)大數(shù)據(jù)環(huán)境下的電力設(shè)備在線監(jiān)測(cè)數(shù)據(jù)的狀態(tài)信息快速提取,在Spark大數(shù)據(jù)計(jì)算平臺(tái)上,建立了基于設(shè)備狀態(tài)評(píng)估指標(biāo)體系與模糊C均值聚類(FCM)的電力設(shè)備狀態(tài)信息提取算法。針對(duì)數(shù)據(jù)的多維、時(shí)序特性,構(gòu)建三維平行散點(diǎn)圖的數(shù)據(jù)可視化展現(xiàn)形式,實(shí)現(xiàn)電力設(shè)備在線監(jiān)測(cè)數(shù)據(jù)信息全貌的可視化展現(xiàn)。將該方法運(yùn)用于吉林省某風(fēng)電場(chǎng)的風(fēng)電機(jī)組在線監(jiān)測(cè)數(shù)據(jù)集,實(shí)驗(yàn)結(jié)果證明了該方法的有效性。

    Spark; 電力大數(shù)據(jù); 信息可視化; 在線監(jiān)測(cè)

    1 引言

    在線監(jiān)測(cè)系統(tǒng)是智能電網(wǎng)穩(wěn)定運(yùn)行的安全監(jiān)控保障之一[1],其產(chǎn)生的海量狀態(tài)監(jiān)測(cè)數(shù)據(jù)連續(xù)、廣泛地反映了電力設(shè)備運(yùn)行狀態(tài)的每一個(gè)細(xì)節(jié), 是電力大數(shù)據(jù)的重要組成部分[2]。在大數(shù)據(jù)背景下,電力設(shè)備狀態(tài)監(jiān)測(cè)的重心從傳統(tǒng)的運(yùn)行故障的實(shí)時(shí)精確定位與分析向運(yùn)行狀態(tài)的全景展現(xiàn)與趨勢(shì)預(yù)測(cè)轉(zhuǎn)變[3],而大數(shù)據(jù)可視化作為信息傳遞的有效方式,可直觀展示電力設(shè)備在線監(jiān)測(cè)數(shù)據(jù)與運(yùn)行狀態(tài)變化情況[4],對(duì)狀態(tài)監(jiān)測(cè)具有重要意義。

    電力設(shè)備在線監(jiān)測(cè)數(shù)據(jù)可視化屬于大數(shù)據(jù)信息可視化方向[5],主要存在兩個(gè)方面的問題。其一是設(shè)備狀態(tài)信息提取的問題,傳統(tǒng)的電力設(shè)備狀態(tài)評(píng)估方法將神經(jīng)網(wǎng)絡(luò)、關(guān)聯(lián)規(guī)則綜合分析、層次分析法、模糊理論等數(shù)據(jù)挖掘方法運(yùn)用于電力設(shè)備在線監(jiān)測(cè)數(shù)據(jù)[6-9],并建立設(shè)備運(yùn)行狀態(tài)評(píng)估指標(biāo)體系,實(shí)現(xiàn)設(shè)備運(yùn)行狀態(tài)的分析評(píng)估與信息獲取,在小規(guī)模數(shù)據(jù)的設(shè)備狀態(tài)信息提取上取得了較高的精度。而設(shè)備在線監(jiān)測(cè)系統(tǒng)積累的數(shù)據(jù)通常在GB、TB級(jí),記錄條數(shù)至少在百萬條以上,通過小規(guī)模樣本設(shè)計(jì)出的分析方法無法滿足對(duì)大規(guī)模的電力設(shè)備在線監(jiān)測(cè)數(shù)據(jù)進(jìn)行設(shè)備狀態(tài)信息提取的半實(shí)時(shí)性要求[10],因此不能直接運(yùn)用于大數(shù)據(jù)環(huán)境下的電力設(shè)備狀態(tài)監(jiān)測(cè)數(shù)據(jù)。其二是可視化展現(xiàn)形式的問題,電力設(shè)備在線監(jiān)測(cè)數(shù)據(jù)屬性種類繁多(如風(fēng)電機(jī)組在線監(jiān)測(cè)的數(shù)據(jù)屬性包括風(fēng)速、有功功率、無功功率、電機(jī)轉(zhuǎn)速、相電壓及電流等多個(gè)屬性[11]),產(chǎn)生的狀態(tài)監(jiān)測(cè)數(shù)據(jù)屬于典型的高維數(shù)據(jù)。目前大數(shù)據(jù)可視化中用于高維數(shù)據(jù)可視化分析展示形式主要有散點(diǎn)圖、投影及平行坐標(biāo)方法[12,13],散點(diǎn)圖適合對(duì)有限數(shù)目的較為重要的維度進(jìn)行可視化,通常不適于需要對(duì)所有維度同時(shí)進(jìn)行展示的情況;投影及平行坐標(biāo)方法盡管可以展示多維信息,但是這兩類方法運(yùn)用于電力設(shè)備在線監(jiān)測(cè)數(shù)據(jù)上會(huì)忽略數(shù)據(jù)固有的時(shí)序性,無法展示設(shè)備狀態(tài)的變化情況。

    針對(duì)上述問題,本文提出一種大數(shù)據(jù)環(huán)境下的電力設(shè)備狀態(tài)監(jiān)測(cè)數(shù)據(jù)可視化方法。首先,設(shè)計(jì)了基于設(shè)備狀態(tài)評(píng)估指標(biāo)體系與模糊C均值聚類(FCM)的電力設(shè)備在線監(jiān)測(cè)數(shù)據(jù)的設(shè)備狀態(tài)信息提取算法,在Spark大數(shù)據(jù)計(jì)算平臺(tái)上實(shí)現(xiàn)了大數(shù)據(jù)環(huán)境下的電力設(shè)備運(yùn)行狀態(tài)信息快速提??;然后,建立了三維平行散點(diǎn)圖的數(shù)據(jù)可視化展現(xiàn)形式,在Spark上完成了將電力設(shè)備在線監(jiān)測(cè)數(shù)據(jù)與運(yùn)行狀態(tài)信息映射到三維空間的全方位直觀展示;最后,將本方法運(yùn)用于吉林省某風(fēng)電場(chǎng)的119號(hào)1.5MW風(fēng)機(jī)在線狀態(tài)監(jiān)測(cè)數(shù)據(jù)集的可視化展現(xiàn),并對(duì)該方法的執(zhí)行效率與可視化結(jié)果進(jìn)行了分析與驗(yàn)證。

    2 基于Spark的電力設(shè)備在線監(jiān)測(cè)數(shù)據(jù)狀態(tài)信息提取

    在信息可視化中,電力設(shè)備在線監(jiān)測(cè)數(shù)據(jù)集的實(shí)質(zhì)是在線監(jiān)測(cè)數(shù)據(jù)與其蘊(yùn)含的設(shè)備狀態(tài)信息的集合。由于同類設(shè)備運(yùn)行狀態(tài)信息對(duì)應(yīng)的數(shù)據(jù)元素具有較強(qiáng)的聚集效應(yīng),因此采用FCM聚類算法將在線監(jiān)測(cè)數(shù)據(jù)集X柔性劃分至設(shè)備狀態(tài)類別集C中,并利用已有的設(shè)備狀態(tài)評(píng)估指標(biāo)體系確定每個(gè)聚類所反映的設(shè)備狀態(tài),最后根據(jù)最大隸屬度原則對(duì)聚類結(jié)果進(jìn)行去模糊化,實(shí)現(xiàn)數(shù)據(jù)集X中所有數(shù)據(jù)元素反映的設(shè)備狀態(tài)信息的整體提取。

    2.1 狀態(tài)信息提取算法

    設(shè)電力設(shè)備狀態(tài)監(jiān)測(cè)數(shù)據(jù)集X為:

    X={xj,j=1,2,…,m},

    xj∈Rs,xj=(xj1,xj2,…,xjs)

    式中,m為數(shù)據(jù)集中的元素個(gè)數(shù);xj為數(shù)據(jù)集中的數(shù)據(jù)元素;s為xj的維度;xj1,xj2,…,xjs為xj中的監(jiān)測(cè)值。

    設(shè)備狀態(tài)類別集C為:

    C={ci,i=1,2,…,n}

    分類ci的聚類中心pci為:

    pci=(ci1,ci2,…,cis),pci∈Rs

    式中,n為類別集C的分類數(shù),使用設(shè)備狀態(tài)隸屬度uij來確定數(shù)據(jù)集X中各個(gè)元素xj所反映的設(shè)備狀態(tài)屬于類別集C中的分類ci的程度,則設(shè)備狀態(tài)分類隸屬度矩陣U為:

    (1)

    其約束條件為:

    ?j=1,2,…,m

    (2)

    在數(shù)據(jù)集X中,由于各個(gè)監(jiān)測(cè)量對(duì)應(yīng)的數(shù)量級(jí)、量綱及設(shè)備狀態(tài)的變化情況不盡相同,因此采用設(shè)備狀態(tài)評(píng)估中的劣化度對(duì)各監(jiān)測(cè)值xji進(jìn)行歸一化處理,歸一化處理后的值為xnor,ji,具體計(jì)算如式(3)~式(5)所示。

    對(duì)越大越優(yōu)型監(jiān)測(cè)量:

    (3)

    式中,α為該監(jiān)測(cè)量的告警值;β為該監(jiān)測(cè)量的良好值。

    對(duì)越小越優(yōu)型監(jiān)測(cè)量:

    (4)

    對(duì)中間型監(jiān)測(cè)量:

    (5)

    式中,α1、α2為該監(jiān)測(cè)量的告警值;β1、β2為該監(jiān)測(cè)量的良好值。

    在實(shí)際的設(shè)備狀態(tài)評(píng)估中,各個(gè)監(jiān)測(cè)量對(duì)設(shè)備運(yùn)行狀態(tài)的影響程度也不盡相同,而傳統(tǒng)的FCM算法基于歐式距離,并未對(duì)該情況加以體現(xiàn),因此根據(jù)評(píng)估指標(biāo)體系的權(quán)值向量W={wp,p=1,2,…,s}對(duì)歐氏距離計(jì)算進(jìn)行加權(quán)處理。歸一化后的數(shù)據(jù)元素xnor,j與分類ci的聚類中心加權(quán)歐氏距離wdij與相應(yīng)的FCM的目標(biāo)函數(shù)J可以表示為:

    (6)

    (7)

    根據(jù)聚類準(zhǔn)則構(gòu)造如下拉格朗日函數(shù):

    (8)

    根據(jù)Kunhn-Tucker定理對(duì)式(8)中的所有輸入?yún)⒘壳髮?dǎo),可以得出數(shù)據(jù)元素xj對(duì)聚類ci的隸屬度uij與ci的聚類中心pci的迭代計(jì)算公式為:

    (9)

    (10)

    通過迭代,不斷更新設(shè)備狀態(tài)隸屬度矩陣與聚類中心,設(shè)最終得到的聚類中心集SPfinal為:

    SPfinal={pci,i=1,2,…,n},

    pci=(ci1,ci2,…,cis),pci∈Rs

    (11)

    通過式(12)計(jì)算各狀態(tài)分類ci的狀態(tài)評(píng)估值Vi,以確定聚類對(duì)應(yīng)的設(shè)備狀態(tài)(正常、注意、異常、嚴(yán)重):

    (12)

    根據(jù)隸屬度最大原則確定X中數(shù)據(jù)元素xj所屬的設(shè)備狀態(tài)分類,根據(jù)式(13)生成電力設(shè)備狀態(tài)信息集ISX,從而完成數(shù)據(jù)集X的設(shè)備狀態(tài)信息提取。

    ISX={isj,j=1,2,…,s},

    isj={xj,ci},i∈{1,2,…,n}

    (13)

    基于上述核心思想,算法步驟如圖1所示。具體如下:

    (1)根據(jù)在線監(jiān)測(cè)數(shù)據(jù)類型選取相應(yīng)的監(jiān)測(cè)狀態(tài)評(píng)估指標(biāo)體系,獲取指標(biāo)層中各個(gè)評(píng)估指標(biāo)Ri的權(quán)值wi,得到評(píng)估指標(biāo)體系的權(quán)值向量為W={wp,p=1,2,…,s}。

    (2)根據(jù)式(3)~式(5)對(duì)初始數(shù)據(jù)集X={xj,j=0,1,…,s}進(jìn)行歸一化處理,得到處理后的數(shù)據(jù)集Xnor={xnor,j,j=0,1,…,s}。

    (3)從X中選取n個(gè)初始聚類中心C={ci,i=1,2,…,n},迭代終止參數(shù)ε,并初始化模糊劃分矩陣U如下:

    (14)

    (4)依據(jù)式(6)計(jì)算X中每個(gè)數(shù)據(jù)元素xj與聚類中心的加權(quán)距離wdij,按照式(7)計(jì)算目標(biāo)函數(shù)J的值。

    (5)若第I次迭代的目標(biāo)函數(shù)J(I)的值與前次之差|J(I)-J(I-1)|<ε,則停止迭代,轉(zhuǎn)步驟(6);否則,依據(jù)式(9)和式(10)更新模糊劃分矩陣U與聚類中心集C,返回步驟(4)。

    (6)利用選取評(píng)估指標(biāo)體系計(jì)算最終的聚類中心集SPfinal中各個(gè)聚類中心pci對(duì)應(yīng)的設(shè)備運(yùn)行狀態(tài)評(píng)估值Vi,確定其對(duì)應(yīng)的數(shù)據(jù)分類ci所處的運(yùn)行狀態(tài)(正常、注意、異常、嚴(yán)重)。

    (7)根據(jù)最大隸屬度原則對(duì)最終得到的設(shè)備狀態(tài)隸屬度模糊劃分矩陣U進(jìn)行去模糊化處理,確定在線監(jiān)測(cè)數(shù)據(jù)集X中的各個(gè)數(shù)據(jù)元素xj對(duì)應(yīng)的設(shè)備狀態(tài)分類,并生成電力設(shè)備狀態(tài)信息集ISX。

    圖1 電力設(shè)備在線監(jiān)測(cè)數(shù)據(jù)集的狀態(tài)信息提取步驟Fig. 1 State information extraction steps of electrical power equipment online monitoring data set

    2.2 Spark上的電力設(shè)備在線監(jiān)測(cè)數(shù)據(jù)狀態(tài)信息提取實(shí)現(xiàn)

    Spark是一個(gè)基于內(nèi)存計(jì)算的通用大數(shù)據(jù)計(jì)算平臺(tái)。通過彈性分布式數(shù)據(jù)集(RDD),Spark將數(shù)據(jù)集的全部或部分緩存在內(nèi)存中,并利用Lineage機(jī)制進(jìn)行容錯(cuò),在極大地提升數(shù)據(jù)處理效率的同時(shí),也將MapReduce、Streaming(Spark Streaming)、SQL(Spark SQL)、Machine Learning(MLlib)、Graph Processing(GraphX)等大數(shù)據(jù)處理模型統(tǒng)一到一個(gè)平臺(tái)下,形成了可以應(yīng)對(duì)任何大數(shù)據(jù)處理場(chǎng)景的Spark Ecosystem,如圖2所示[14]。

    圖2 Spark Ecosystem層次結(jié)構(gòu)圖Fig. 2 Hierarchical structure graph of Spark Ecosystem

    圖3 基于Spark的電力設(shè)備在線監(jiān)測(cè)數(shù)據(jù)的狀態(tài)信息提取過程Fig.3 State information extracting process of electrical equipment online monitoring data based on Spark

    如圖3所示,基于Spark的電力設(shè)備在線監(jiān)測(cè)數(shù)據(jù)的狀態(tài)信息提取主要分為三個(gè)階段: ①完成Spark大數(shù)據(jù)計(jì)算平臺(tái)的初始化及電力設(shè)備狀態(tài)監(jiān)測(cè)數(shù)據(jù)集的RDD構(gòu)建;②建立電力設(shè)備在線監(jiān)測(cè)數(shù)據(jù)集信息提取的SparkApplication,將其提交至Spark集群上運(yùn)行,并返回相應(yīng)的分析結(jié)果(聚類中心集、聚類結(jié)果集、模糊劃分矩陣的SparkRDD),以實(shí)現(xiàn)在線監(jiān)測(cè)數(shù)據(jù)信息的快速并行化提?。虎劾秒娏υO(shè)備狀態(tài)評(píng)估指標(biāo)體系對(duì)結(jié)果集中的聚類中心進(jìn)行分析計(jì)算,確定各個(gè)聚類表征的設(shè)備運(yùn)行狀態(tài),構(gòu)建電力設(shè)備在線監(jiān)測(cè)數(shù)據(jù)的狀態(tài)信息集。

    算法的實(shí)現(xiàn)過程如下:

    (1)利用SparkContext類的textFile方法,根據(jù)存儲(chǔ)路徑(HDFS或是本地文件系統(tǒng)路徑均可)讀取電力設(shè)備狀態(tài)監(jiān)測(cè)數(shù)據(jù),根據(jù)文件中的增量建立讀入的電力設(shè)備狀態(tài)監(jiān)測(cè)數(shù)據(jù)文件的彈性分布式數(shù)據(jù)集RDDeFile,并利用RDD類的cache方法進(jìn)行數(shù)據(jù)緩存。

    (2)使用RDD類的map方法并行執(zhí)行對(duì)RDDeFile中的記錄數(shù)據(jù)進(jìn)行類型轉(zhuǎn)換(JavaRDD轉(zhuǎn)JavaRDD),根據(jù)式(3)~式(5)的數(shù)據(jù)屬性值歸一化處理,以得到預(yù)處理完成的彈性分布式數(shù)據(jù)集RDDparse,并利用RDD類的rdd方法轉(zhuǎn)換為SparkRDD類型進(jìn)行數(shù)據(jù)緩存。

    (3)根據(jù)聚類數(shù)n使用RDD類的takeSample方法隨機(jī)選取數(shù)據(jù)集RDDparse中的n個(gè)點(diǎn)作為初始聚類中心集Cinit;建立一個(gè)n行m列的DenseMatrix類型的模糊劃分矩陣U,根據(jù)式(11)使用Spark中Matrice類的update方法進(jìn)行初始化;通過SparkContext類的broadcast方法將Cinit、RDDparse及U發(fā)送至Spark集群中的各個(gè)worker上。

    (4)利用RDD類的mapPartitions方法,根據(jù)式(6)在集群上的每個(gè)RDDparse副本的每個(gè)Partition上并行計(jì)算數(shù)據(jù)元素xnor,j與各個(gè)聚類中心ci的加權(quán)距離wdij及目標(biāo)函數(shù)在每個(gè)Partition上的值,通過reduceByKey及collectAsMap方法根據(jù)隸屬度最大原則統(tǒng)計(jì)屬于各個(gè)聚類的點(diǎn)的個(gè)數(shù),并得到各個(gè)聚類ci的目標(biāo)函數(shù)的值Jci。

    (5)對(duì)各個(gè)聚類的目標(biāo)函數(shù)值Jci進(jìn)行求和操作得到整體目標(biāo)函數(shù)J的值,記為Jcur,若Jcur與前次迭代時(shí)目標(biāo)函數(shù)值Jpre之差的絕對(duì)值小于閾值ε,且各個(gè)聚類中心pci的歐氏距離變化小于閾值eps,則停止聚類分析并返回聚類結(jié)果彈性分布式數(shù)據(jù)集RDDclustered、聚類中心集SPfinal及模糊劃分矩陣U;否則,利用map方法分別根據(jù)式(9)和式(10)更新狀態(tài)類別集C的聚類中心、模糊劃分矩陣U,返回步驟(4)進(jìn)行迭代計(jì)算。

    (6)通過選取的設(shè)備狀態(tài)評(píng)估體系計(jì)算式(12)得到各個(gè)聚類中心ci的狀態(tài)評(píng)估值Vi,確定其對(duì)應(yīng)的聚類ci的設(shè)備運(yùn)行狀態(tài)。根據(jù)式(13)及聚類結(jié)果集RDDclustered,利用RDD類的map方法并行產(chǎn)生所有信息元素isj,進(jìn)而將RDDclustered轉(zhuǎn)換為設(shè)備狀態(tài)信息集ISX對(duì)應(yīng)的彈性分布式數(shù)據(jù)集RDDIS。最后通過使用SaveAsTextFile方式將RDDIS保存至HDFS中,實(shí)現(xiàn)信息集ISX的持久化處理。

    3 基于三維平行散點(diǎn)圖與人機(jī)交互的數(shù)據(jù)可視化展現(xiàn)

    3.1三維平行散點(diǎn)圖可視化原理

    本文的三維平行散點(diǎn)圖是二維散點(diǎn)圖在三維空間的自然延伸。其將高維、時(shí)序的電力設(shè)備狀態(tài)信息集ISX中的信息元素isj映射為一組三維空間中的點(diǎn)pj,點(diǎn)pj的位置由isj中的數(shù)據(jù)元素xj的時(shí)間屬性t、屬性編號(hào)k及屬性值xjk決定,映射關(guān)系F為:

    (15)

    為展示在ti時(shí)刻的設(shè)備狀態(tài),對(duì)平行坐標(biāo)系進(jìn)行著色加強(qiáng)處理。為數(shù)據(jù)點(diǎn)著色是重要的平行坐標(biāo)信息反混淆方法。在特定的顏色空間中,每一組數(shù)據(jù)點(diǎn)pj對(duì)應(yīng)的設(shè)備狀態(tài)分類ci都有一個(gè)(ri,gi,bi)值與其對(duì)應(yīng),其中,ri、gi、bi分別表示紅綠藍(lán)三原色。通過應(yīng)用不同的顏色空間,使設(shè)備狀態(tài)信息集ISX中每一個(gè)數(shù)據(jù)元素isj反映的設(shè)備運(yùn)行狀態(tài)類別區(qū)分明顯,從而使用戶更清晰地了解設(shè)備運(yùn)行狀態(tài)的變化規(guī)律。

    3.2 Spark上的數(shù)據(jù)展現(xiàn)實(shí)現(xiàn)步驟

    在Spark大數(shù)據(jù)計(jì)算平臺(tái)上,通過jzy3d大數(shù)據(jù)可視化類庫,實(shí)現(xiàn)了電力設(shè)備狀態(tài)監(jiān)測(cè)數(shù)據(jù)的可視化展現(xiàn),實(shí)現(xiàn)步驟如下:

    (1)使用RDD類的collect方法讀取電力設(shè)備在線監(jiān)測(cè)數(shù)據(jù)信息提取產(chǎn)生的設(shè)備狀態(tài)信息彈性分布式數(shù)據(jù)集RDDIS,生成類型為L(zhǎng)ist的設(shè)備狀態(tài)信息元素列表ListIS,其中Vector的結(jié)構(gòu)為{聚類編號(hào)N,時(shí)間點(diǎn)T,監(jiān)測(cè)量x1,…,xs}(其中s為監(jiān)測(cè)數(shù)據(jù)集的維度)。

    (2)將ListIS中的每個(gè)Vector類型的數(shù)據(jù)元素Di分解為聚類編號(hào)Ni、數(shù)據(jù)點(diǎn)集Pi,其中Pi的結(jié)構(gòu)為:

    pi={pi1,pi2,…,pij,…pis},

    pij=(Ti,i,xij)j=1,2,…,s

    進(jìn)而構(gòu)建相應(yīng)的聚類編號(hào)列表ListN、數(shù)據(jù)點(diǎn)集的列表ListP。

    (3)為聚類編號(hào)列表ListN中每一個(gè)聚類編號(hào)Ni指定相應(yīng)著色(ri,gi,bi),構(gòu)成著色列表Listcolor。

    (4)以著色列表Listcolor、數(shù)據(jù)點(diǎn)集列表ListP為輸入數(shù)據(jù),利用jzy3d的Scatter方法建立三維平行散點(diǎn)圖。

    (5)利用ChartLauncher類的instruction方法為建立的三維平行散點(diǎn)圖添加Z軸平移、Z軸拉伸、中心旋轉(zhuǎn)、單個(gè)屬性與時(shí)間關(guān)系的分解展示等人機(jī)交互操作,以便于可視化展現(xiàn)結(jié)果的查看,并通過openChart方法進(jìn)行可視化結(jié)果的展現(xiàn)。

    4 實(shí)驗(yàn)結(jié)果與分析

    將本方法運(yùn)用于某風(fēng)電場(chǎng)的119號(hào)1.5MW風(fēng)電機(jī)組在線狀態(tài)監(jiān)測(cè)數(shù)據(jù)集,該風(fēng)機(jī)在線監(jiān)測(cè)數(shù)據(jù)集包含14個(gè)監(jiān)測(cè)量,數(shù)據(jù)量為20G(2000萬條數(shù)據(jù)),監(jiān)測(cè)量如表1所示。

    由于電力大數(shù)據(jù)可視化主要關(guān)注數(shù)據(jù)處理的實(shí)時(shí)性及可視化結(jié)果的直觀性,所以本實(shí)驗(yàn)分別對(duì)可視化方法執(zhí)行效率與可視化結(jié)果進(jìn)行分析。為模擬真實(shí)的大數(shù)據(jù)處理環(huán)境,在4臺(tái)曙光I620-G10服務(wù)器上搭建真實(shí)的Spark集群作為實(shí)驗(yàn)環(huán)境,系統(tǒng)配置如表2所示。

    表1 風(fēng)電機(jī)組在線監(jiān)測(cè)數(shù)據(jù)集屬性表Tab.1 Attribute list of WTGS online monitoring data set

    表2 實(shí)驗(yàn)環(huán)境配置Tab.2 Configuration of experiment environment

    4.1 設(shè)備狀態(tài)信息提取算法的執(zhí)行效率

    將本文基于Spark的電力設(shè)備狀態(tài)監(jiān)測(cè)數(shù)據(jù)的設(shè)備狀態(tài)信息提取算法與傳統(tǒng)的基于MapReduce的算法運(yùn)用于該實(shí)驗(yàn)數(shù)據(jù)集,對(duì)處理時(shí)間進(jìn)行對(duì)比以說明本文方法在執(zhí)行效率上的優(yōu)越性,結(jié)果如圖4所示。

    圖4 基于MapReduce的算法與本文算法的信息提取用時(shí)對(duì)比Fig. 4 Time consumption of state information extracting between algorithm based on MapReduce and our algorithm

    由圖4可以看出,由于Spark是基于內(nèi)存計(jì)算的大數(shù)據(jù)處理平臺(tái),除構(gòu)建RDD時(shí)的數(shù)據(jù)讀入階段與結(jié)果寫入HDFS的結(jié)果輸出階段,其余時(shí)間都不涉及磁盤IO操作,減少了數(shù)據(jù)計(jì)算中的磁盤數(shù)據(jù)存取時(shí)間,且Spark的基于DAG的任務(wù)處理結(jié)構(gòu)比傳統(tǒng)的MapReduce任務(wù)處理結(jié)構(gòu)更為高效,所以相比傳統(tǒng)的基于MapReduce的方法在執(zhí)行效率上有了極大提升,減少了約84.6%的數(shù)據(jù)處理時(shí)間,滿足了電力大數(shù)據(jù)對(duì)歷史數(shù)據(jù)處理的準(zhǔn)實(shí)時(shí)性要求。

    可擴(kuò)展性是按節(jié)點(diǎn)數(shù)成比例增大數(shù)據(jù)規(guī)模時(shí)并行算法的執(zhí)行效率。為測(cè)試算法的可擴(kuò)展性,從實(shí)驗(yàn)數(shù)據(jù)中取出5G、10G、15G三個(gè)樣本作為測(cè)試數(shù)據(jù)集,在Spark的Yarn-Cluster模式下,通過設(shè)置num-executors參數(shù)以實(shí)現(xiàn)分別在1、2、3個(gè)節(jié)點(diǎn)上進(jìn)行規(guī)模和時(shí)效對(duì)比實(shí)驗(yàn),結(jié)果如圖5所示。

    圖5 本文方法的可擴(kuò)展性測(cè)試Fig. 5 Expansibility test of our method

    由圖5可以看出,雖然由于硬件和平臺(tái)運(yùn)行資源消耗的原因,節(jié)點(diǎn)數(shù)增加時(shí)算法性能略微浮動(dòng),但這些作業(yè)的運(yùn)行時(shí)間基本保持了相同的水平,這體現(xiàn)出本文并行算法良好的可擴(kuò)展性。

    加速比是數(shù)據(jù)規(guī)模固定、不斷增加節(jié)點(diǎn)數(shù)時(shí)并行算法的執(zhí)行效率。理想的加速比是線性的,但由于計(jì)算機(jī)間通信、任務(wù)調(diào)度等開銷,實(shí)際的加速比將低于理想情況。測(cè)試數(shù)據(jù)集數(shù)據(jù)量為20G時(shí)節(jié)點(diǎn)數(shù)及用時(shí)如圖6所示。

    圖6 本文設(shè)備狀態(tài)信息提取算法的加速比測(cè)試Fig. 6 Speed-up ratio test of our method

    從圖6中的設(shè)備狀態(tài)信息提取時(shí)間和節(jié)點(diǎn)數(shù)目的關(guān)系可以看出,本文基于Spark的設(shè)備狀態(tài)信息提取算法在節(jié)點(diǎn)數(shù)目增加時(shí),作業(yè)執(zhí)行用時(shí)顯著減少,具有良好的加速作用。

    4.2 可視化展現(xiàn)的執(zhí)行效率分析

    在執(zhí)行可視化展現(xiàn)時(shí),Spark自動(dòng)將該作業(yè)分解為本地任務(wù)進(jìn)行調(diào)度處理,不涉及Spark集群中的并行數(shù)據(jù)計(jì)算,因此僅對(duì)不同數(shù)據(jù)量下的基于三維平行散點(diǎn)圖的可視化展示效率進(jìn)行分析,結(jié)果如圖7所示。

    圖7 Spark上基于三維平行散點(diǎn)圖的可視化展現(xiàn)用時(shí)Fig. 7 Time consumption of visualization based on 3-D parallel scatter and Spark

    由圖7可以看出,Spark上基于三維平行散點(diǎn)圖的可視化展現(xiàn)的作業(yè)用時(shí)隨數(shù)據(jù)量的增加呈線性變化,對(duì)2000萬條記錄進(jìn)行展現(xiàn)的用時(shí)26.705s,基本滿足電力大數(shù)據(jù)中歷史數(shù)據(jù)處理的半實(shí)時(shí)化數(shù)據(jù)處理需求。

    4.3 可視化結(jié)果分析

    該119號(hào)風(fēng)機(jī)的在線監(jiān)測(cè)數(shù)據(jù)集的三維平行散點(diǎn)圖可視化結(jié)果與風(fēng)機(jī)有功功率屬性、風(fēng)速屬性隨時(shí)間變化的分解展示結(jié)果分別如圖8(a)、圖8(b)和圖8(c)所示。圖8(a)中屬性的名稱和順序如表1的z1~z12所示,狀態(tài)A代表狀態(tài)評(píng)估值為良好,狀態(tài)B為一般,狀態(tài)C為注意,狀態(tài)D為嚴(yán)重。圖9為風(fēng)機(jī)變槳角、轉(zhuǎn)速隨時(shí)間的變化關(guān)系圖。

    首先由圖8(c)的風(fēng)速-時(shí)間變化中可以看出,在該時(shí)間段內(nèi)該地區(qū)的風(fēng)速保持在0~15m/s,小于風(fēng)機(jī)的切出風(fēng)速25m/s,因此不存在實(shí)際風(fēng)速大于切出風(fēng)速所導(dǎo)致的風(fēng)機(jī)停止捕獲風(fēng)能的情況。

    圖8 可視化結(jié)果Fig. 8 Visualization results

    圖9 風(fēng)機(jī)變槳角、轉(zhuǎn)速隨時(shí)間的變化關(guān)系圖Fig.9 Visualization results of relation between pitch-angle and time and relation between rotate-speed and time

    然后從圖8(a)三維平行散點(diǎn)圖的可視化結(jié)果中可以看出,該風(fēng)機(jī)在2月份的運(yùn)行狀態(tài)可以被分為四類,其中狀態(tài)A所占比例最多,結(jié)合圖8(b)的有功功率-時(shí)間變化可以看出,在狀態(tài)A下風(fēng)機(jī)有功功率保持在約100~300kW的范圍,結(jié)合圖8(c)與圖9(a)可知對(duì)應(yīng)的風(fēng)速及風(fēng)機(jī)變槳角多處于3~10m/s及0°~20°之間,由圖9(b)可知此狀態(tài)下風(fēng)機(jī)轉(zhuǎn)速基本保持為某個(gè)恒定值,因此狀態(tài)A代表的是風(fēng)機(jī)正常工作時(shí)的轉(zhuǎn)速恒定狀態(tài),有功功率隨風(fēng)速的變化而變化。

    在狀態(tài)B所代表的狀態(tài)下,風(fēng)機(jī)變槳角基本保持不變或是呈上升趨勢(shì),在變槳角保持不變時(shí)風(fēng)機(jī)的轉(zhuǎn)速隨風(fēng)速變化,表示在有一定風(fēng)速的情況下風(fēng)機(jī)捕獲最大風(fēng)能的運(yùn)行狀態(tài),即最大風(fēng)能捕獲區(qū);在變槳角增加時(shí)表示風(fēng)機(jī)在功率極限區(qū)域工作一段時(shí)間后進(jìn)行調(diào)整,增加風(fēng)機(jī)變槳角以控制風(fēng)機(jī)轉(zhuǎn)速及輸出功率的調(diào)整狀態(tài)。

    在狀態(tài)C下,由圖8(b)、圖9(a)可知風(fēng)機(jī)變槳角保持在0°附近,風(fēng)速達(dá)到額定風(fēng)速11.1m/s,輸出功率保持在1000~1500kW,已接近或達(dá)到功率極限,由圖9(b)可知此時(shí)風(fēng)機(jī)的發(fā)電機(jī)轉(zhuǎn)速接近極限值(約1750r/min),此時(shí)應(yīng)引起工作人員的注意,應(yīng)查看發(fā)電機(jī)軸承、繞組溫度等監(jiān)測(cè)量,以保證風(fēng)電機(jī)組的安全穩(wěn)定運(yùn)行。

    在狀態(tài)D下,由圖9(a)和圖9(b)可知,其中絕大多數(shù)情況顯示風(fēng)機(jī)變槳角大于89°,可以看出這是因?yàn)轱L(fēng)機(jī)進(jìn)入停機(jī)或緊急停機(jī)狀態(tài)使得風(fēng)機(jī)有功功率為0。其余情況下,狀態(tài)D的分布稀疏且風(fēng)機(jī)變槳角變化極快,可以認(rèn)為是風(fēng)機(jī)在由停止到起動(dòng)過程中葉片變槳角調(diào)節(jié)至迎風(fēng)狀態(tài)或是風(fēng)機(jī)自動(dòng)解纜所導(dǎo)致。

    5 結(jié)論

    本文為實(shí)現(xiàn)大數(shù)據(jù)環(huán)境下的電力設(shè)備在線監(jiān)測(cè)數(shù)據(jù)的可視化展示,在Spark大數(shù)據(jù)處理平臺(tái)上對(duì)電力設(shè)備在線監(jiān)測(cè)數(shù)據(jù)可視化進(jìn)行了研究,提出了一種基于Spark的電力設(shè)備在線監(jiān)測(cè)數(shù)據(jù)可視化方法。該方法通過對(duì)電力設(shè)備狀態(tài)監(jiān)測(cè)數(shù)據(jù)進(jìn)行FCM與設(shè)備狀態(tài)評(píng)估指標(biāo)體系相結(jié)合的設(shè)備狀態(tài)信息提取,以獲取設(shè)備運(yùn)行狀態(tài)信息集,并通過三維平行散點(diǎn)圖的形式,進(jìn)行狀態(tài)變化與監(jiān)測(cè)數(shù)據(jù)相結(jié)合的一體化展現(xiàn)。實(shí)驗(yàn)結(jié)果證明,在處理千萬級(jí)的電力設(shè)備狀態(tài)監(jiān)測(cè)數(shù)據(jù)時(shí),該方法在數(shù)據(jù)信息提取上具有良好的可擴(kuò)展性和加速比,完全可以滿足電力大數(shù)據(jù)處理的半實(shí)時(shí)性需求,且可視化結(jié)果易于理解,實(shí)現(xiàn)了數(shù)據(jù)的全景展示。下一步工作的重點(diǎn)將是對(duì)電力大數(shù)據(jù)可視化的人機(jī)交互方法進(jìn)行進(jìn)一步研究,以便使其能夠更好地應(yīng)用于電力大數(shù)據(jù)可視化分析和電網(wǎng)管控決策中。

    [1] 鄒建明(Zou Jianming).在線監(jiān)測(cè)技術(shù)在電網(wǎng)中的應(yīng)用(Application of on-line monitoring technology on power grid)[J].高電壓技術(shù)(High Voltage Engineering), 2007, 33 (8): 203-206.

    [2] 周國(guó)亮,宋亞奇,王桂蘭,等(Zhou Guoliang, Song Yaqi, Wang Guilan, et al.).狀態(tài)監(jiān)測(cè)大數(shù)據(jù)存儲(chǔ)及聚類劃分研究(Research of condition monitoring big data storage and clustering)[J].電工技術(shù)學(xué)報(bào)(Transactions of China Electrotechnical Society), 2013, 28 (S2): 337-344.

    [3] 彭小圣,鄧迪元,程時(shí)杰,等(Peng Xiaosheng, Deng Diyuan, Cheng Shijie, et al.).面向智能電網(wǎng)應(yīng)用的電力大數(shù)據(jù)關(guān)鍵技術(shù)(Key technologies of electric power big data and its application prospects in smart grid)[J]. 中國(guó)電機(jī)工程學(xué)報(bào)(Proceedings of the CSEE),2015, 35 (3): 503-511.

    [4] 張東霞,苗新,劉麗平,等(Zhang Dongxia, Miao Xin, Liu Liping, et al.).智能電網(wǎng)大數(shù)據(jù)技術(shù)發(fā)展研究(Research on Development Strategy for Smart Grid Big Data)[J].中國(guó)電機(jī)工程學(xué)報(bào)(Proceedings of the CSEE),2014, 35 (S1): 432-437.

    [5] 王棟(Wang Dong).大數(shù)據(jù)可視化技術(shù)在電網(wǎng)企業(yè)的應(yīng)用(Application of big data visualization technique in power grid enterprise)[J].江蘇電機(jī)工程(Jiangsu Electrical Engineering),2014, 33 (6):82-84.

    [6] 阮羚,謝齊家,高勝友,等(Ruan Ling, Xie Qijia, Gao Shengyou, et al.).人工神經(jīng)網(wǎng)絡(luò)和信息融合技術(shù)在變壓器狀態(tài)評(píng)估中的應(yīng)用(Application of artificial neural network and information fusion technology in power transformer condition assessment)[J].高電壓技術(shù)(High Voltage Engineering),2014, 40 (3):822-828.

    [7] 李黎,張登,謝龍君,等(Li Li, Zhang Deng, Xie Longjun, et al.).采用關(guān)聯(lián)規(guī)則綜合分析和變權(quán)重系數(shù)的電力變壓器狀態(tài)評(píng)估方法(A condition assessment method of power transformers based on association rules and variable weight coefficients)[J].中國(guó)電機(jī)工程學(xué)報(bào)(Proceedings of the CSEE),2013, 33 (24):152-159, 22.

    [8] 梁永亮,李可軍,牛林,等(Liang Yongliang, li Kejun, Niu Lin, et al.).變壓器狀態(tài)評(píng)估多層次不確定模型(A multilayer uncertain transformer condition assessment model)[J].電力系統(tǒng)自動(dòng)化(Automation Electric Power Systems),2013, 37 (22):73-78.

    [9] 廖瑞金,王謙,駱?biāo)技?等(Liao Ruijin, Wang Qian, Luo Sijia, et al.).基于模糊綜合評(píng)判的電力變壓器運(yùn)行狀態(tài)評(píng)估模型(Condition assessment model for power transformer in service based on fuzzy synthetic evaluation)[J].電力系統(tǒng)自動(dòng)化(Automation Electric Power Systems),2008, 32 (3):70-75.

    [10] 曲朝陽,陳帥,楊帆,等(Qu Zhaoyang, Chen Shuai, Yang Fan, et al.).基于云計(jì)算技術(shù)的電力大數(shù)據(jù)預(yù)處理屬性約簡(jiǎn)方法(An attribute reducing method for electric power big data preprocessing based on cloud computing technology)[J].電力系統(tǒng)自動(dòng)化(Automation Electric Power Systems), 2014, 38 (8):67-71.

    [11] 肖運(yùn)啟,王昆朋,賀貫舉,等(Xiao Yunqi, Wang Kunpeng, He Guanju, et al.). 基于趨勢(shì)預(yù)測(cè)的大型風(fēng)電機(jī)組運(yùn)行狀態(tài)模糊綜合評(píng)價(jià)(Fuzzy comprehensive evaluation for operating condition of large-scale wind turbines based on trend predication)[J].中國(guó)電機(jī)工程學(xué)報(bào)(Proceedings of the CSEE),2014, 34 (13):2132-2139.

    [12] 任磊,杜一,馬帥,等(Ren Lei, Du Yi, Ma Shuai, et al.). 大數(shù)據(jù)可視分析綜述(Visual analytics towards big data)[J].軟件學(xué)報(bào)(Journal of Software),2014, 25 (9):1909-1936.

    [13] 雷君虎,楊家紅,鐘堅(jiān)成,等(Lei Junhu, Yang Jiahong, Zhong Jiancheng, et al.).基于PCA和平行坐標(biāo)的高維數(shù)據(jù)可視化(High-dimensional data visualization based on principal component analysis and parallel coordinate)[J].計(jì)算機(jī)工程(Computer Engineering),2011, 37 (1):48-50.

    [14] 周國(guó)亮,朱永利,王桂蘭,等(Zhou Guoliang, Zhu Yongli, Wang Guilan, et al.).實(shí)時(shí)大數(shù)據(jù)處理技術(shù)在狀態(tài)監(jiān)測(cè)領(lǐng)域中的應(yīng)用(Real-time big data processing technology application in the field of state monitoring)[J].電工技術(shù)學(xué)報(bào)(Transactions of China Electrotechnical Society),2014, 29 (S1):432-437.

    Visualization method of electrical equipment online monitoring data based on Spark

    QU Zhao-yang1XIONG Ze-yu1YAN Jia2XIN Peng3QU Nan4

    (1.School of Information Engineering, Northeast Dianli University, Jilin 132012,China; 2.State Grid Jilin Province Electric Power Supply Company, Changchun 130021, China; 3. Jilin Power Supply Company, State Grid Jilin Province Electric Power Supply Company, Jilin 132001, China; 4.Maintenaue Company of Jiangsu Power Company, Nanjing 210008, China)

    With the strengthening of range and quality of the electrical equipment online monitoring in smart grid, the collected data volume in online monitoring is growing exponentially. All the attributes and the operating state in electrical equipment online monitoring data which is of massive amounts can be presented directly by the big data visualization, which can provide powerful guarantee to effective and timely monitoring and analyzing of the operating state. However, the application of the big data visualization to electrical power big data is still in a preliminary stage, and there is still lacking of visualization method of electrical equipment online monitoring data under big data environment. Therefore, a visualization method of the electrical equipment online monitoring data based on Spark is proposed. To realize rapid extraction of electrical equipment state information, the state information extracting algorithm based on FCM and evaluation system is constructed on Spark. For the multi-dimensional and time-serial feature of electrical equipment online monitoring data, the representation based on 3-D parallel scatter is constructed, and the data information of the electrical equipment online monitoring is realized. The method is applied to the WTGS online monitoring data set, and the efficiency of the method is proved by the experiment result.

    Spark; electrical power big data; information visualization; online monitoring

    2015-12-24

    國(guó)家自然科學(xué)基金項(xiàng)目(51277023)、 吉林省科技計(jì)劃重點(diǎn)項(xiàng)目(20130206085SF)、 吉林省科技重點(diǎn)轉(zhuǎn)化項(xiàng)目(20140307008GX)

    曲朝陽(1964-), 男, 吉林籍, 教授, 博士生導(dǎo)師, 研究方向?yàn)橹悄茈娋W(wǎng)與電力信息化、 虛擬現(xiàn)實(shí)、 網(wǎng)絡(luò)技術(shù)等; 熊澤宇(1991-), 男, 江蘇籍, 碩士研究生, 研究方向?yàn)殡娏Υ髷?shù)據(jù)可視化(通信作者)。

    TM46

    A

    1003-3076(2016)11-0072-09

    猜你喜歡
    電力設(shè)備監(jiān)測(cè)數(shù)據(jù)風(fēng)機(jī)
    加強(qiáng)電力設(shè)備運(yùn)維云平臺(tái)安全性管理
    GSM-R接口監(jiān)測(cè)數(shù)據(jù)精確地理化方法及應(yīng)用
    風(fēng)機(jī)折翼“倒春寒”
    能源(2018年5期)2018-06-15 08:56:02
    風(fēng)機(jī)倒塔事故為何頻發(fā)?
    能源(2017年9期)2017-10-18 00:48:27
    電力設(shè)備運(yùn)維管理及安全運(yùn)行探析
    節(jié)能技術(shù)EPU在AV71風(fēng)機(jī)上的應(yīng)用
    基于壓縮感知的電力設(shè)備視頻圖像去噪方法研究
    TS3000系統(tǒng)防喘振控制在 AV80-14風(fēng)機(jī)中的應(yīng)用
    GPS異常監(jiān)測(cè)數(shù)據(jù)的關(guān)聯(lián)負(fù)選擇分步識(shí)別算法
    基于小波函數(shù)對(duì)GNSS監(jiān)測(cè)數(shù)據(jù)降噪的應(yīng)用研究
    搞女人的毛片| 亚洲精品影视一区二区三区av| 别揉我奶头~嗯~啊~动态视频| 性欧美人与动物交配| 国产欧美日韩精品一区二区| 精品一区二区三区视频在线观看免费| 丰满的人妻完整版| 亚洲五月天丁香| 91麻豆av在线| 婷婷亚洲欧美| 精品久久久久久,| 有码 亚洲区| 最后的刺客免费高清国语| 亚洲avbb在线观看| 国产精品一区二区三区四区免费观看 | 麻豆av噜噜一区二区三区| 国产欧美日韩精品一区二区| 国产三级中文精品| 欧美一区二区国产精品久久精品| 午夜激情欧美在线| 国产亚洲精品av在线| 在线观看av片永久免费下载| 亚洲狠狠婷婷综合久久图片| 99热6这里只有精品| av在线老鸭窝| 欧美日韩黄片免| 亚洲,欧美精品.| 一边摸一边抽搐一进一小说| 又爽又黄a免费视频| 欧美绝顶高潮抽搐喷水| 国产精品1区2区在线观看.| 欧美+亚洲+日韩+国产| 亚洲国产精品999在线| 日韩欧美三级三区| 成人性生交大片免费视频hd| 国产伦精品一区二区三区四那| 日本黄大片高清| 欧美黄色片欧美黄色片| 99精品久久久久人妻精品| 亚洲欧美日韩高清在线视频| 国产精品一区二区性色av| www.色视频.com| 久久亚洲真实| 亚洲男人的天堂狠狠| 国产精品一区二区三区四区免费观看 | 国产精品人妻久久久久久| 国产精品综合久久久久久久免费| 欧美性猛交黑人性爽| 熟女人妻精品中文字幕| 韩国av一区二区三区四区| 神马国产精品三级电影在线观看| 免费看美女性在线毛片视频| 国产v大片淫在线免费观看| 亚洲,欧美,日韩| av在线观看视频网站免费| 在线国产一区二区在线| 搡老岳熟女国产| 在线观看美女被高潮喷水网站 | 亚洲成人久久性| 国产国拍精品亚洲av在线观看| 欧美成狂野欧美在线观看| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 69人妻影院| 欧美成人免费av一区二区三区| 日韩国内少妇激情av| 精华霜和精华液先用哪个| 最近中文字幕高清免费大全6 | 国产色爽女视频免费观看| 国产精品亚洲一级av第二区| 国产av不卡久久| 国产欧美日韩一区二区精品| 日日摸夜夜添夜夜添小说| 又粗又爽又猛毛片免费看| 欧美一区二区国产精品久久精品| 极品教师在线视频| 日本成人三级电影网站| 亚洲精品粉嫩美女一区| 在线看三级毛片| 国产熟女xx| 亚洲成人精品中文字幕电影| 搡老妇女老女人老熟妇| 成人亚洲精品av一区二区| 国产毛片a区久久久久| 在线观看一区二区三区| 免费观看的影片在线观看| 日本一本二区三区精品| 精品一区二区三区视频在线观看免费| 亚洲狠狠婷婷综合久久图片| 欧洲精品卡2卡3卡4卡5卡区| 两个人的视频大全免费| 一个人免费在线观看电影| 国产精品伦人一区二区| 看黄色毛片网站| 久久精品91蜜桃| 免费电影在线观看免费观看| 亚洲人成电影免费在线| 欧美激情国产日韩精品一区| 日韩免费av在线播放| 热99在线观看视频| 老鸭窝网址在线观看| 一本精品99久久精品77| 日韩免费av在线播放| 最近视频中文字幕2019在线8| 欧美黄色淫秽网站| 亚洲色图av天堂| 欧美午夜高清在线| 亚洲成人久久爱视频| 亚洲国产日韩欧美精品在线观看| 国产一区二区在线观看日韩| 亚洲欧美日韩高清专用| 成人永久免费在线观看视频| 丰满的人妻完整版| 麻豆国产av国片精品| 看片在线看免费视频| 人人妻人人澡欧美一区二区| 99国产精品一区二区蜜桃av| 亚洲av成人精品一区久久| 免费在线观看影片大全网站| 美女xxoo啪啪120秒动态图 | 丰满乱子伦码专区| 别揉我奶头 嗯啊视频| 国产精品久久久久久久电影| 久久久久久国产a免费观看| 国内精品久久久久久久电影| 一级黄色大片毛片| 十八禁网站免费在线| 国产中年淑女户外野战色| 特级一级黄色大片| 亚洲18禁久久av| 午夜激情欧美在线| av天堂中文字幕网| 欧美性猛交黑人性爽| 久久草成人影院| 一级黄色大片毛片| 色哟哟·www| 欧美丝袜亚洲另类 | 男人舔女人下体高潮全视频| 久久久久国内视频| 免费在线观看日本一区| 欧美bdsm另类| 18禁黄网站禁片午夜丰满| 国产精品99久久久久久久久| 国产私拍福利视频在线观看| 亚洲成a人片在线一区二区| 婷婷亚洲欧美| 欧美一区二区国产精品久久精品| 蜜桃久久精品国产亚洲av| 日本黄色视频三级网站网址| a级毛片免费高清观看在线播放| 女人被狂操c到高潮| 亚洲av二区三区四区| 国产高清视频在线观看网站| 国产精品久久久久久久久免 | 日本a在线网址| 高清在线国产一区| 自拍偷自拍亚洲精品老妇| 免费搜索国产男女视频| 成人美女网站在线观看视频| av天堂在线播放| 丝袜美腿在线中文| 精品国内亚洲2022精品成人| 久久精品久久久久久噜噜老黄 | 国内精品久久久久精免费| 日本免费一区二区三区高清不卡| 免费人成视频x8x8入口观看| 小蜜桃在线观看免费完整版高清| 五月伊人婷婷丁香| 欧美xxxx性猛交bbbb| 99国产精品一区二区三区| 国产精品,欧美在线| 国产麻豆成人av免费视频| 久久精品国产亚洲av涩爱 | 久久久久久久久中文| 中文字幕人成人乱码亚洲影| 午夜激情欧美在线| 一区二区三区激情视频| 狠狠狠狠99中文字幕| 中文字幕人妻熟人妻熟丝袜美| 亚洲专区中文字幕在线| 亚洲av第一区精品v没综合| 亚洲第一电影网av| 97碰自拍视频| 18禁裸乳无遮挡免费网站照片| 波多野结衣巨乳人妻| 精品久久久久久久久亚洲 | 欧美一级a爱片免费观看看| 人人妻,人人澡人人爽秒播| 亚洲黑人精品在线| 亚洲中文日韩欧美视频| 欧美黄色片欧美黄色片| 国产野战对白在线观看| 桃红色精品国产亚洲av| 日日摸夜夜添夜夜添av毛片 | 成人无遮挡网站| 丁香六月欧美| 国产精品免费一区二区三区在线| 老司机午夜十八禁免费视频| 日本黄色视频三级网站网址| 亚洲黑人精品在线| 国产午夜精品论理片| 日韩欧美一区二区三区在线观看| 国产人妻一区二区三区在| 久久久久国产精品人妻aⅴ院| 亚洲av成人av| 成人亚洲精品av一区二区| 国产高清视频在线播放一区| 亚洲精品久久国产高清桃花| 国产精品乱码一区二三区的特点| 国产三级黄色录像| 尤物成人国产欧美一区二区三区| 亚洲国产精品sss在线观看| 国产亚洲精品久久久com| 天堂av国产一区二区熟女人妻| 欧美bdsm另类| 成年免费大片在线观看| 成人毛片a级毛片在线播放| 欧美成人性av电影在线观看| a级一级毛片免费在线观看| 久久精品夜夜夜夜夜久久蜜豆| 一级作爱视频免费观看| 在线观看66精品国产| 舔av片在线| 最近最新中文字幕大全电影3| 国产男靠女视频免费网站| 禁无遮挡网站| 亚洲专区国产一区二区| 日本免费a在线| 国产色婷婷99| 国产精品久久久久久精品电影| 禁无遮挡网站| av专区在线播放| 亚洲av二区三区四区| 婷婷色综合大香蕉| 最近最新免费中文字幕在线| 亚洲天堂国产精品一区在线| 99视频精品全部免费 在线| 国产私拍福利视频在线观看| 久久久国产成人免费| netflix在线观看网站| 91午夜精品亚洲一区二区三区 | 亚洲国产欧美人成| 欧美色视频一区免费| 天堂网av新在线| 我的老师免费观看完整版| 我的女老师完整版在线观看| 最后的刺客免费高清国语| 久久精品国产亚洲av天美| 亚洲av五月六月丁香网| 国产欧美日韩一区二区三| 国产亚洲av嫩草精品影院| 真人做人爱边吃奶动态| 人人妻人人澡欧美一区二区| 欧美一区二区国产精品久久精品| 1024手机看黄色片| 亚洲在线自拍视频| av天堂在线播放| 午夜免费激情av| 在线十欧美十亚洲十日本专区| 九色成人免费人妻av| 亚洲精品乱码久久久v下载方式| 久久久久亚洲av毛片大全| 午夜免费激情av| 人妻制服诱惑在线中文字幕| 亚洲av一区综合| 欧美最黄视频在线播放免费| 亚州av有码| 午夜福利成人在线免费观看| 人人妻,人人澡人人爽秒播| 亚洲五月婷婷丁香| 免费av不卡在线播放| 国内毛片毛片毛片毛片毛片| 国产精品人妻久久久久久| 欧美黄色片欧美黄色片| 国产大屁股一区二区在线视频| 少妇人妻一区二区三区视频| aaaaa片日本免费| 不卡一级毛片| 嫁个100分男人电影在线观看| 国内精品一区二区在线观看| 少妇裸体淫交视频免费看高清| 成人欧美大片| 国产91精品成人一区二区三区| 欧美成人免费av一区二区三区| 国产精品久久久久久亚洲av鲁大| 日韩有码中文字幕| 1000部很黄的大片| 欧美日韩乱码在线| 久久久久精品国产欧美久久久| 国产乱人视频| 国产成人影院久久av| 成人高潮视频无遮挡免费网站| 久久久久久大精品| 免费一级毛片在线播放高清视频| 波多野结衣高清作品| 特大巨黑吊av在线直播| 亚洲国产精品999在线| 午夜激情福利司机影院| 91字幕亚洲| 男人和女人高潮做爰伦理| 国产黄片美女视频| 老鸭窝网址在线观看| 99国产精品一区二区三区| 综合色av麻豆| 亚洲三级黄色毛片| 天堂√8在线中文| 国产又黄又爽又无遮挡在线| 久久精品国产清高在天天线| 黄色丝袜av网址大全| 亚洲精品成人久久久久久| 日本撒尿小便嘘嘘汇集6| 每晚都被弄得嗷嗷叫到高潮| 嫁个100分男人电影在线观看| 国产黄片美女视频| 男女视频在线观看网站免费| 国产探花极品一区二区| 国产伦人伦偷精品视频| 欧美绝顶高潮抽搐喷水| 51午夜福利影视在线观看| 中文资源天堂在线| 淫秽高清视频在线观看| 午夜免费男女啪啪视频观看 | 亚洲精品一卡2卡三卡4卡5卡| 中文字幕熟女人妻在线| 中文字幕人妻熟人妻熟丝袜美| 国产三级中文精品| 国内精品久久久久久久电影| av天堂在线播放| 18禁黄网站禁片午夜丰满| 人妻夜夜爽99麻豆av| 在线观看午夜福利视频| 在线天堂最新版资源| 亚洲精华国产精华精| 老熟妇乱子伦视频在线观看| 国产精品久久久久久人妻精品电影| 国产精品亚洲美女久久久| 中文字幕熟女人妻在线| 亚洲无线观看免费| 国内毛片毛片毛片毛片毛片| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲七黄色美女视频| 国产精品亚洲美女久久久| 久久久精品欧美日韩精品| 午夜视频国产福利| 欧美一区二区国产精品久久精品| 午夜免费男女啪啪视频观看 | 五月玫瑰六月丁香| 怎么达到女性高潮| 国产精品三级大全| 亚洲中文日韩欧美视频| 欧美性猛交╳xxx乱大交人| 成人精品一区二区免费| 嫩草影院精品99| 午夜日韩欧美国产| 欧美一区二区亚洲| 日本熟妇午夜| 一个人看视频在线观看www免费| 欧美一区二区国产精品久久精品| 99久久99久久久精品蜜桃| 亚洲av日韩精品久久久久久密| 啦啦啦韩国在线观看视频| www.999成人在线观看| 国产在线精品亚洲第一网站| 国产国拍精品亚洲av在线观看| 欧美一级a爱片免费观看看| 亚洲av免费在线观看| 最近最新中文字幕大全电影3| 久久久久久久久大av| 色尼玛亚洲综合影院| 久久精品国产亚洲av香蕉五月| 亚洲久久久久久中文字幕| 日本 av在线| 亚洲人成网站在线播| 国产不卡一卡二| 午夜福利成人在线免费观看| 99久久精品热视频| 国产高清三级在线| 床上黄色一级片| 日日摸夜夜添夜夜添小说| 色哟哟·www| 真人做人爱边吃奶动态| 美女xxoo啪啪120秒动态图 | 成年人黄色毛片网站| 日本黄色视频三级网站网址| 国产淫片久久久久久久久 | 美女cb高潮喷水在线观看| 动漫黄色视频在线观看| 精品一区二区三区视频在线| 日韩精品青青久久久久久| 午夜激情欧美在线| 无遮挡黄片免费观看| 免费在线观看成人毛片| 国产一区二区三区视频了| 老鸭窝网址在线观看| 久久久久久久久久成人| 69av精品久久久久久| 一个人看的www免费观看视频| 精品久久久久久久末码| 亚洲电影在线观看av| 男人和女人高潮做爰伦理| 99久久久亚洲精品蜜臀av| 国产麻豆成人av免费视频| 波多野结衣高清无吗| 国产视频内射| 一a级毛片在线观看| 国内久久婷婷六月综合欲色啪| 香蕉av资源在线| 99热这里只有是精品50| 久久久久久国产a免费观看| 女生性感内裤真人,穿戴方法视频| 免费在线观看日本一区| 中文字幕熟女人妻在线| 天天一区二区日本电影三级| 老鸭窝网址在线观看| 精品不卡国产一区二区三区| 午夜精品在线福利| 波多野结衣高清无吗| 国产69精品久久久久777片| 亚洲成人精品中文字幕电影| 99热这里只有精品一区| 色吧在线观看| 欧美最黄视频在线播放免费| 美女xxoo啪啪120秒动态图 | 男人和女人高潮做爰伦理| 成人毛片a级毛片在线播放| 非洲黑人性xxxx精品又粗又长| 欧美日本亚洲视频在线播放| 亚洲男人的天堂狠狠| 国产精品一及| 国产激情偷乱视频一区二区| 少妇裸体淫交视频免费看高清| 黄色一级大片看看| 俺也久久电影网| 成人av一区二区三区在线看| 日本黄色片子视频| 久久精品国产亚洲av香蕉五月| 日本一本二区三区精品| 90打野战视频偷拍视频| 国内精品一区二区在线观看| 嫁个100分男人电影在线观看| 日韩欧美在线二视频| 国产伦精品一区二区三区视频9| 国产大屁股一区二区在线视频| 长腿黑丝高跟| 国产精品人妻久久久久久| 最近中文字幕高清免费大全6 | 久久热精品热| 老司机午夜福利在线观看视频| 在线观看一区二区三区| 精品久久久久久久久久免费视频| 亚洲狠狠婷婷综合久久图片| 欧美不卡视频在线免费观看| 久久九九热精品免费| 亚洲精品亚洲一区二区| 免费看日本二区| 男女做爰动态图高潮gif福利片| 国产高清三级在线| 中文字幕熟女人妻在线| 老熟妇乱子伦视频在线观看| 真人一进一出gif抽搐免费| 嫩草影视91久久| 亚洲精品456在线播放app | 桃红色精品国产亚洲av| 嫩草影视91久久| 99久国产av精品| 久久婷婷人人爽人人干人人爱| 真实男女啪啪啪动态图| or卡值多少钱| 亚洲av二区三区四区| 久久午夜亚洲精品久久| 欧美日本亚洲视频在线播放| 国产av一区在线观看免费| АⅤ资源中文在线天堂| 欧美日韩国产亚洲二区| 一边摸一边抽搐一进一小说| 中文字幕av成人在线电影| 久久草成人影院| 久久精品国产清高在天天线| 久久久久久久久中文| 亚洲欧美日韩卡通动漫| 欧美日韩黄片免| 久久久久性生活片| 日本 av在线| 人妻丰满熟妇av一区二区三区| 黄色视频,在线免费观看| 看十八女毛片水多多多| 成人av在线播放网站| 亚洲国产精品999在线| 亚洲天堂国产精品一区在线| a级毛片a级免费在线| 成人高潮视频无遮挡免费网站| 嫁个100分男人电影在线观看| 此物有八面人人有两片| 校园春色视频在线观看| 天堂√8在线中文| 亚洲,欧美,日韩| 久久久久国内视频| 99国产极品粉嫩在线观看| 亚洲不卡免费看| 九色成人免费人妻av| 免费看光身美女| 日本一二三区视频观看| 久久人人精品亚洲av| 精品人妻一区二区三区麻豆 | 人人妻人人澡欧美一区二区| 在线播放国产精品三级| 色综合站精品国产| 国产黄片美女视频| 狂野欧美白嫩少妇大欣赏| 亚洲精品成人久久久久久| 国产精品一区二区免费欧美| 国内毛片毛片毛片毛片毛片| 一区二区三区激情视频| 欧美3d第一页| 丰满人妻一区二区三区视频av| 看黄色毛片网站| 毛片一级片免费看久久久久 | 亚洲国产精品sss在线观看| 国产 一区 欧美 日韩| 我要看日韩黄色一级片| 99视频精品全部免费 在线| 很黄的视频免费| 久久亚洲精品不卡| 成人欧美大片| 天天躁日日操中文字幕| 久久精品人妻少妇| 直男gayav资源| 成人特级av手机在线观看| 欧美+日韩+精品| 国产成人影院久久av| 婷婷精品国产亚洲av在线| 国产av一区在线观看免费| 久久久久久大精品| 一级黄色大片毛片| 日本撒尿小便嘘嘘汇集6| 香蕉av资源在线| 国产精品不卡视频一区二区 | 国产乱人视频| 色尼玛亚洲综合影院| a级毛片a级免费在线| 一级黄色大片毛片| 在线看三级毛片| 国产精品一及| 国产精品99久久久久久久久| 亚洲av免费高清在线观看| 丁香欧美五月| 啦啦啦韩国在线观看视频| 丝袜美腿在线中文| 久久精品人妻少妇| 国产在视频线在精品| 亚洲最大成人av| 国产精品1区2区在线观看.| 美女 人体艺术 gogo| 国产欧美日韩一区二区三| 亚洲国产日韩欧美精品在线观看| 桃红色精品国产亚洲av| 亚洲国产精品sss在线观看| 国产色婷婷99| 99国产精品一区二区蜜桃av| 大型黄色视频在线免费观看| 黄色丝袜av网址大全| 99国产综合亚洲精品| 精品一区二区三区视频在线观看免费| 国产精品久久久久久久久免 | 九色国产91popny在线| 观看美女的网站| 啦啦啦韩国在线观看视频| 性色av乱码一区二区三区2| 色哟哟哟哟哟哟| 欧美极品一区二区三区四区| 国产亚洲欧美在线一区二区| 三级男女做爰猛烈吃奶摸视频| 亚洲成a人片在线一区二区| 久久久久久久久久黄片| 国产探花极品一区二区| 成人性生交大片免费视频hd| 久久99热这里只有精品18| 亚洲无线观看免费| 好男人在线观看高清免费视频| 久久精品久久久久久噜噜老黄 | 精品人妻1区二区| 亚洲天堂国产精品一区在线| 国产黄色小视频在线观看| 国产精品亚洲一级av第二区| 久久久国产成人精品二区| 少妇的逼好多水| 亚洲专区国产一区二区| 欧美丝袜亚洲另类 | 国产真实乱freesex| 国产伦精品一区二区三区视频9| 亚洲国产日韩欧美精品在线观看| 午夜精品在线福利| 精品国产三级普通话版| 搡老熟女国产l中国老女人| 亚洲最大成人手机在线| 国产不卡一卡二| 99久久99久久久精品蜜桃| 给我免费播放毛片高清在线观看| 少妇丰满av| 亚洲国产日韩欧美精品在线观看| 国产精品嫩草影院av在线观看 | 精品久久久久久久久av| 亚洲专区国产一区二区| 国产单亲对白刺激| 久久久久久国产a免费观看| 久久香蕉精品热| 免费看日本二区| 色综合站精品国产| 一区二区三区激情视频| 欧美另类亚洲清纯唯美| 亚洲性夜色夜夜综合| 99久久久亚洲精品蜜臀av| 级片在线观看| 搡老妇女老女人老熟妇| 男人舔奶头视频| 亚洲欧美日韩高清在线视频|