• <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 ?

    GA 優(yōu)化LVQ網(wǎng)絡(luò)的配電網(wǎng)接地故障選線方法

    2015-07-18 11:28:21彭湃周羽生高云龍劉讓姣安正洲熊杰
    關(guān)鍵詞:選線零序權(quán)值

    彭湃,周羽生,高云龍,劉讓姣,安正洲,熊杰

    (長(zhǎng)沙理工大學(xué)電氣與信息工程學(xué)院,長(zhǎng)沙410004)

    GA 優(yōu)化LVQ網(wǎng)絡(luò)的配電網(wǎng)接地故障選線方法

    彭湃,周羽生,高云龍,劉讓姣,安正洲,熊杰

    (長(zhǎng)沙理工大學(xué)電氣與信息工程學(xué)院,長(zhǎng)沙410004)

    針對(duì)配電網(wǎng)故障相電壓過(guò)零點(diǎn)且高阻接地故障選線困難的問(wèn)題,文中提出了應(yīng)用遺傳算法優(yōu)化學(xué)習(xí)量量化神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)單相接地故障選線方法。首先利用小波分析方法提取線路零序電流信號(hào)的模極大值,以此作為學(xué)習(xí)量量化神經(jīng)網(wǎng)絡(luò)的輸入向量,采用局部搜索算子改進(jìn)的遺傳算法去優(yōu)化神經(jīng)網(wǎng)絡(luò)的初始權(quán)值向量,解決了網(wǎng)絡(luò)對(duì)初始權(quán)值的敏感性問(wèn)題。加速網(wǎng)絡(luò)的收斂過(guò)程,提高網(wǎng)絡(luò)的聚類精度,實(shí)現(xiàn)對(duì)不同故障類型進(jìn)行故障線路的快速、準(zhǔn)確識(shí)別。仿真結(jié)果表明,該方法有效地減少了傳統(tǒng)學(xué)習(xí)量量化神經(jīng)網(wǎng)絡(luò)選線的誤判幾率,提高了選線速度和精確度。

    配電網(wǎng);遺傳算法;學(xué)習(xí)量量化;小波分析;故障選線

    配電網(wǎng)單相接地故障時(shí),利用故障暫態(tài)信號(hào)選線具有較高的可靠性和靈敏度[1-2]?;谛〔ǚ治鲞x線法比其他穩(wěn)態(tài)選線法更具有優(yōu)越性[3-4],但是小波分析選線法難點(diǎn)在于小波基函數(shù)及小波分解尺度的選擇,且受過(guò)渡電阻、故障時(shí)刻等因素影響,特別是當(dāng)故障相的相電壓過(guò)零點(diǎn)且過(guò)渡電阻較大時(shí),故障線路與非故障線路暫態(tài)特征量差別不明顯,此時(shí)容易造成選線誤判[5]。

    為解決上述問(wèn)題,本文提出運(yùn)用遺傳算法GA(geneic algorithm)[6-7]的學(xué)習(xí)向量量化LVQ(learn vector quantization)[8]神經(jīng)網(wǎng)絡(luò)改進(jìn)小波分析選線算法,將故障選線問(wèn)題看成一類特殊的分類問(wèn)題,利用局部搜索算子改進(jìn)的遺傳算法去優(yōu)化LVQ神經(jīng)網(wǎng)絡(luò)的分類功能,建立單相接地故障選線的神經(jīng)網(wǎng)絡(luò)模型,解決LVQ算法對(duì)網(wǎng)絡(luò)初始權(quán)值的敏感性問(wèn)題,加速網(wǎng)絡(luò)的收斂過(guò)程,提高網(wǎng)絡(luò)的聚類精度,有效地解決傳統(tǒng)小波分析故障選線存在的問(wèn)題,提高了選線速度與精度。

    1 小波分析選線方法的不足

    配電網(wǎng)單相接地故障時(shí),暫態(tài)電流分量成分復(fù)雜、衰減快且持續(xù)時(shí)間短,利用小波奇異性檢測(cè)理論,確定各線路暫態(tài)零序電流小波變換后的模極大值,比較各出線模極大值的大小可以確定故障線路與非故障線路。當(dāng)接地電阻較小時(shí),故障線路的模極大值大于非故障線路的模極大值;但當(dāng)接地電阻較大且故障時(shí)刻處在故障相的相電壓過(guò)零點(diǎn)時(shí),故障線路與非故障線路暫態(tài)特征量差別很小,此時(shí)故障線路零序電流的奇異程度與非故障線路的差別并不明顯,容易導(dǎo)致誤判。

    以圖1為例,仿真模型采用中性點(diǎn)經(jīng)消弧線圈接地的配電網(wǎng)接地故障系統(tǒng),參數(shù)設(shè)置為:系統(tǒng)元件頻率均為50 Hz;三相電源電壓為35 kV,A相初始角設(shè)為0°;輸電線路正序電阻R1=0.452 1 Ω/ km,零序電阻R0=0.724 3 Ω/km,正序電感L1= 0.933 7 mH/km,零序電感L0=3.096 4 mH/km,正序電容C1=6.108 5 μF/km,零序電容C0=3.809 2 μF/km[9];5條饋線L1~L5長(zhǎng)度分別為10 km、15 km、8 km、18 km、25 km。采用過(guò)補(bǔ)償度為10%的補(bǔ)償方式。

    圖1 配電網(wǎng)結(jié)構(gòu)模型Fig.1Structure model of distribution network

    在故障相電壓過(guò)零點(diǎn)、接地電阻2 kΩ,線路L5發(fā)生接地故障時(shí),利用二進(jìn)小波對(duì)線路L1與L5的零序電流信號(hào)進(jìn)行4層Daubchies10小波分解,如圖2所示,線路L1與L5的零序電流小波模極大值均為0.02。可見(jiàn)用小波模極大值選線方法,在故障相的相電壓過(guò)零點(diǎn),過(guò)渡電阻較大時(shí)容易誤判,導(dǎo)致選線精度不高,從這一角度出發(fā)提出GA優(yōu)化LVQ網(wǎng)絡(luò)的故障選線算法。

    圖2 故障線路與非故障線路零序電流小波分解Fig.2Wavelet decomposition of fault line and non-fault line zero-sequencial current

    2 GA優(yōu)化LVQ網(wǎng)絡(luò)故障選線原理

    2.1 LVQ網(wǎng)絡(luò)分類原理

    LVQ網(wǎng)絡(luò)是一種訓(xùn)練競(jìng)爭(zhēng)層的有監(jiān)督學(xué)習(xí)方法的前向神經(jīng)網(wǎng)絡(luò),融合了自組織和有導(dǎo)師監(jiān)督的技術(shù),它的優(yōu)點(diǎn)在于網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)單,只通過(guò)內(nèi)部單元的互相作用就可以完成十分復(fù)雜的分類處理,也很容易將設(shè)計(jì)域中的各種繁雜分散的設(shè)計(jì)條件收斂到結(jié)論上來(lái),且它不需要對(duì)輸入量進(jìn)行歸一化、正交化處理,只需直接計(jì)算輸入矢量與競(jìng)爭(zhēng)層之間的距離,從而實(shí)現(xiàn)模式判別[10]。如圖3所示,LVQ網(wǎng)絡(luò)由3層神經(jīng)元組成,即為輸入層、競(jìng)爭(zhēng)層和線性輸出層。

    圖3 LVQ神經(jīng)網(wǎng)絡(luò)模型Fig.3Model of LVQ neural network

    LVQ網(wǎng)絡(luò)算法可分為L(zhǎng)VQ1算法和LVQ2算法兩種,本文應(yīng)用LVQ1算法進(jìn)行故障選線。LVQ1算法的步驟為

    步驟1初始化輸入層與競(jìng)爭(zhēng)層之間的權(quán)值Wij及學(xué)習(xí)率η(η>0)。

    步驟2將輸入向量x=(x1,x2,…,xR)T送入到輸入層,并根據(jù)式(1)計(jì)算競(jìng)爭(zhēng)層神經(jīng)元與輸入矢量的距離為

    步驟3選擇與輸入矢量距離最近的競(jìng)爭(zhēng)層神經(jīng)元,若di最小,則記與之連接的線性輸出層神經(jīng)元的類標(biāo)簽為Ci。

    步驟4記輸入矢量對(duì)應(yīng)的類標(biāo)簽為Cx,若Ci=Cx,即分類正確,調(diào)整權(quán)值計(jì)算式為

    否則分類不正確,權(quán)值更新公式為

    步驟5選擇下一個(gè)輸入矢量,返回到步驟2,直到樣本集中所有的矢量都提供一遍為止。

    2.2 GA優(yōu)化LVQ網(wǎng)絡(luò)

    LVQ網(wǎng)絡(luò)具有很好的分類識(shí)別特性,能對(duì)任意輸入矢量進(jìn)行分類,無(wú)論它們是否可分,但LVQ網(wǎng)絡(luò)存在兩點(diǎn)不足[11]:一是存在“死神經(jīng)元”,即未被充分利用的神經(jīng)元;二是其算法對(duì)初始權(quán)值比較敏感,即如果初始權(quán)值的選擇偏差太大就會(huì)產(chǎn)生不好的聚類效果,從而影響故障選線結(jié)果。為了克服LVQ算法對(duì)初始權(quán)值的敏感性,本文提出采用遺傳算法(GA)對(duì)LVQ的初始權(quán)值進(jìn)行優(yōu)化,形成了在小波分析小電流故障選線方法存在不足的基礎(chǔ)上基于遺傳算法(GA)優(yōu)化LVQ網(wǎng)絡(luò)的小電流故障選線方法。采用遺傳算法(GA)優(yōu)化的LVQ網(wǎng)絡(luò)的初始值,可以迅速得到最佳的網(wǎng)絡(luò)權(quán)值矢量,然后LVQ算法進(jìn)行故障選線識(shí)別,有效提高故障選線速度和精度。遺傳算法優(yōu)化LVQ選線算法具體步驟。

    步驟1創(chuàng)建LVQ網(wǎng)絡(luò)。

    利用小波程序?qū)⒏骶€路的零序電流信號(hào)進(jìn)行小波分析,提取信號(hào)中的暫態(tài)分量(模極大值),作為L(zhǎng)VQ網(wǎng)絡(luò)的訓(xùn)練樣本集和測(cè)試樣本集。

    步驟2編碼(產(chǎn)生初始種群)。

    由于染色體代表的是LVQ網(wǎng)絡(luò)的權(quán)值,故染色體采用實(shí)數(shù)編碼。假設(shè)樣本輸入向量的維數(shù)為N,則選擇N個(gè)0~1的隨機(jī)數(shù)進(jìn)行編碼,得到N個(gè)碼串,即為染色體,染色體的長(zhǎng)度為m×N,m為輸出神經(jīng)元的個(gè)數(shù),重復(fù)上述過(guò)程得到S個(gè)染色體,構(gòu)成遺傳算法的初始種群P,并設(shè)定最大進(jìn)化代數(shù)T。

    步驟3初始網(wǎng)絡(luò)權(quán)值。

    用初始種群中的染色體對(duì)LVQ網(wǎng)絡(luò)的權(quán)值進(jìn)行初始化,用訓(xùn)練樣本XN=(x1,x2,…,xR)T(xR表示第N組故障樣本中第R條出線零序電流信號(hào)的模極大值)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

    步驟4適應(yīng)度函數(shù)(計(jì)算染色體的適應(yīng)度)。

    隨機(jī)個(gè)體到輸入樣本點(diǎn)的平均方差距離為

    式中:D(t)表示平均方差距離;A表示群體數(shù)目;Xi(t)表示樣本輸入向量;Pi(t)表示隨機(jī)第t代個(gè)體向量。

    記適應(yīng)度最小的染色體為Wmin為一個(gè)好的初始權(quán)值。本文將適應(yīng)度函數(shù)定義為

    式中:yi(k)和yi(k)分別表示訓(xùn)練樣本k在第i個(gè)輸出節(jié)點(diǎn)的實(shí)際輸出和期望輸出;q為樣本個(gè)數(shù);m為輸出神經(jīng)元的個(gè)數(shù)。

    迭代計(jì)算的終止條件為

    若|d|<ε,則跳到步驟8。

    步驟5遺傳操作。

    1)選擇操作

    采用輪盤賭法選擇法從P(t)選擇適應(yīng)度高的個(gè)體PS(t)遺傳到下一代,淘汰適應(yīng)度低的個(gè)體。

    2)交叉操作

    為提高網(wǎng)絡(luò)的收斂速度,因此采用交叉概率P1對(duì)中間代PS(t)中的染色體間進(jìn)行兩點(diǎn)交叉操作得到新的中間代PC(t)。

    3)變異操作

    以便搜索到更好的可能解,采用均勻變異。按變異概率P2對(duì)中間代PC(t)中的個(gè)體獨(dú)立進(jìn)行變異。產(chǎn)生子代P(t+1),形成新一代群體。

    步驟6精英策略。

    為了避免每一代的最優(yōu)個(gè)體Xbest在進(jìn)化的過(guò)程中由于遺傳操作而遭受到破壞,采用精英保留選擇機(jī)制,即把當(dāng)前的最優(yōu)個(gè)體Xbest直接復(fù)制到下一代中。

    步驟7局部搜索策略。

    為了保證找到最優(yōu)的初始權(quán)值,將局部搜索算法應(yīng)用于每一代的最優(yōu)個(gè)體上。找出當(dāng)前種群的最好個(gè)體Xbest,在Xbest附近進(jìn)行k次局部搜索,找出k個(gè)個(gè)體中適應(yīng)度最好的個(gè)體Xkbest,若Xkbest適應(yīng)度值比Xbest的適應(yīng)度值好,則用Xkbest的適應(yīng)度值取代Xbest的適應(yīng)度值,并將Xkbest取代種群中最差的個(gè)體。

    步驟8賦予網(wǎng)絡(luò)新的權(quán)值。

    通過(guò)遺傳算法迭代計(jì)算,當(dāng)|d|<ε時(shí)或達(dá)到最大進(jìn)化代數(shù)T時(shí),則選擇最優(yōu)的染色體作為L(zhǎng)VQ網(wǎng)絡(luò)的初始權(quán)值向量Wij,否則轉(zhuǎn)到步驟4。

    步驟9網(wǎng)絡(luò)訓(xùn)練與測(cè)試。

    用LVQ1算法將訓(xùn)練樣本進(jìn)行多次循環(huán)訓(xùn)練后,LVQ網(wǎng)絡(luò)的競(jìng)爭(zhēng)層神經(jīng)元權(quán)重向量分布適合對(duì)輸入向量進(jìn)行故障選線判別分類。用測(cè)試樣本去測(cè)試訓(xùn)練好的GA-LVQ網(wǎng)絡(luò)的性能,對(duì)于每一個(gè)輸入向量,網(wǎng)絡(luò)都會(huì)提供相應(yīng)的選線結(jié)果,GALVQ神經(jīng)網(wǎng)絡(luò)故障選線流程如圖4所示。

    圖4GA-LVQ神經(jīng)網(wǎng)絡(luò)故障選線流程Fig.4Flow chart for fault line selection of GA-LVQ neural network

    3 仿真分析

    3.1 仿真數(shù)據(jù)采集

    采用Matlab仿真,仿真模型結(jié)構(gòu)如圖1所示。進(jìn)行仿真分析時(shí),仿真模型中的powergui模塊采用discrete模式,設(shè)置采樣時(shí)間為1×10-5s,分不同線路(L1~L5)、故障位置(10%、50%、90%)、故障初始角(0°、30°、60°、90°)以及故障點(diǎn)接地電阻(1 Ω、100 Ω、1 kΩ、2 kΩ),共采集到240組故障樣本。

    3.2 訓(xùn)練模型的建立

    用190組故障樣本對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,輸入數(shù)據(jù)為5條線路在不同故障類型下暫態(tài)零序電流小波模極大值x,輸出量為網(wǎng)絡(luò)選出的故障線路。由于GA是一種隨機(jī)探索尋優(yōu)的方法,使得每次優(yōu)化的權(quán)值不一致,從而影響到最終的選線結(jié)果,因此進(jìn)行10次選線并從中選擇選線結(jié)果最好的一次作為最終選線結(jié)果。設(shè)定遺傳算法的種群數(shù)A為30,交叉概率P1為0.2,變異概率P2為0.05,設(shè)定ε為0.01,遺傳迭代結(jié)束的條件為|d|<ε(如圖4所示),最大進(jìn)化代數(shù)T為50,網(wǎng)絡(luò)競(jìng)爭(zhēng)層神經(jīng)元個(gè)數(shù)設(shè)置為20,學(xué)習(xí)速率設(shè)為0.1,訓(xùn)練步數(shù)設(shè)置為1 000,訓(xùn)練期望誤差ω為0.1。分別用傳統(tǒng)LVQ和GA-LVQ神經(jīng)網(wǎng)絡(luò)方法對(duì)訓(xùn)練樣本數(shù)據(jù)進(jìn)行訓(xùn)練網(wǎng)絡(luò)。

    3.3 測(cè)試實(shí)驗(yàn)結(jié)果

    圖5 神經(jīng)網(wǎng)絡(luò)訓(xùn)練函數(shù)收斂情況Fig.5Convergence status of neural network training function

    將剩下的50組故障樣本測(cè)試訓(xùn)練后的傳統(tǒng)LVQ和GA-LVQ網(wǎng)絡(luò)的診斷精度,GA-LVQ網(wǎng)絡(luò)訓(xùn)練函數(shù)收斂情況如圖5(a)所示,傳統(tǒng)LVQ網(wǎng)絡(luò)訓(xùn)練函數(shù)收斂曲線如圖5(b)所示。從圖5(b)中可以看出,傳統(tǒng)LVQ網(wǎng)絡(luò)訓(xùn)練到第15步時(shí)才收斂至訓(xùn)練期望誤差0.1,用時(shí)19 s;從圖5(a)可知GALVQ神經(jīng)網(wǎng)絡(luò)訓(xùn)練只需要9步便收斂至訓(xùn)練期望誤差0.1,只用時(shí)8 s,大大縮短了網(wǎng)絡(luò)訓(xùn)練時(shí)間,由

    統(tǒng)計(jì)50組故障樣本的測(cè)試結(jié)果,為了直觀的對(duì)仿真結(jié)果進(jìn)行分析,用disp()和plot()函數(shù)將GA-LVQ神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)LVQ神經(jīng)網(wǎng)絡(luò)的結(jié)果顯示在命令窗口中,如圖6所示。從圖6(a)可知傳統(tǒng)LVQ網(wǎng)絡(luò)測(cè)試集樣本中有7組樣本發(fā)生了誤判,分別為第6、12、17、28、31、38、42組樣本;而GALVQ網(wǎng)絡(luò)測(cè)試集樣本中只有2組樣本發(fā)生了誤判,分別為第15組和第41組樣本發(fā)生誤判,其余48組樣本預(yù)測(cè)結(jié)果均與實(shí)際故障線路相符,如圖6(b)所示。有效地提高了傳統(tǒng)LVQ網(wǎng)絡(luò)單相接地故障選線準(zhǔn)確率。

    傳統(tǒng)的LVQ網(wǎng)絡(luò)和GA-LVQ網(wǎng)絡(luò)對(duì)不同線路不同的故障類型進(jìn)行了全面的訓(xùn)練與測(cè)試,將兩種算法在相同的訓(xùn)練集數(shù)NT和測(cè)試集數(shù)NTe的情況下對(duì)訓(xùn)練收斂所需的步數(shù)NE、時(shí)間tT和誤判數(shù)進(jìn)行比較,如表2所示,采用GA-LVQ神經(jīng)網(wǎng)絡(luò)不僅可以提高傳統(tǒng)LVQ神經(jīng)網(wǎng)絡(luò)的收斂速度,而且提高了選線精度。此可見(jiàn)利用遺傳算法(GA)優(yōu)化的LVQ網(wǎng)絡(luò)加速了收斂迅速。

    通過(guò)對(duì)故障時(shí)刻故障相電壓波形的觀測(cè),調(diào)整故障初始角得到故障相電壓過(guò)零點(diǎn)的情況。針對(duì)配電網(wǎng)中5條線路發(fā)生不同接地故障,下面分別列出了5條線路均在10%處相電壓過(guò)零點(diǎn)且不同接地電阻Rg=1 Ω和Rg=2 kΩ時(shí)發(fā)生單相接地故障的選線結(jié)果,如表1所示。從表中發(fā)現(xiàn)GALVQ神經(jīng)網(wǎng)絡(luò)可以精確判斷故障線路,彌補(bǔ)了小波模極大值選線法的不足。

    表1 故障相電壓過(guò)零點(diǎn)時(shí)的選線結(jié)果Tab.1Line selection results of crossing-zero fault phase voltage

    圖6 測(cè)試集的選線結(jié)果Fig.6Line selection results of test set

    表2 LVQ和GA-LVQ故障選線結(jié)果比較Tab.2Fault line selection results comparisons of LVQ and GA-LVQ neural network

    4 結(jié)語(yǔ)

    本文提出的基于遺傳算法(GA)的LVQ網(wǎng)絡(luò)改進(jìn)小波分析的小電流故障選線的方法充分利用了LVQ網(wǎng)絡(luò)的分類功能,將故障選線問(wèn)題看成為一類特殊的分類問(wèn)題,并利用局部搜索算子改進(jìn)的遺傳算法優(yōu)化LVQ神經(jīng)網(wǎng)絡(luò)的初始權(quán)值,解決了LVQ算法對(duì)網(wǎng)絡(luò)初始權(quán)值的敏感不足的問(wèn)題,加速網(wǎng)絡(luò)的收斂過(guò)程,提高網(wǎng)絡(luò)的聚類精度,解決了故障相電壓過(guò)零點(diǎn)且高阻接地故障選線困難的難題,有效地提高了選線速度和準(zhǔn)確度。

    [1]王偉,焦彥軍(Wang Wei,Jiao Yanjun).暫態(tài)信號(hào)特征分量在配網(wǎng)小電流接地選線中的應(yīng)用(Application of characteristic components of transient signal in groundedwire detection of ineffectively earthed distribution systems)[J].電網(wǎng)技術(shù)(Power System Technology),2008,32(4):96-100.

    [2]張帆,潘貞存,張慧芬,等(Zhang Fan,Pan Zhencun,Zhang Huifen,et al).基于零序電流暫態(tài)極大值的小電流接地選線新判據(jù)(New criterion of fault line selection in non-solidly earthed network based on the maximum of zero sequence transient current)[J].電力系統(tǒng)自動(dòng)化(Automation of Electric Power Systems),2006,30(4):45-48,79.

    [3]李也白,唐克義,張霄霄,等(Li Yebai,Tang Keyi,Zhang Xiaoxiao,et al).小波包原理小電流接地選線裝置的研發(fā)與應(yīng)用(Research and application of small current grounding line selection device based on wavelet packet principle)[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)(Proceedings of the CSU-EPSA),2013,25(2):159-162.

    [4]趙新紅,袁洪,車偉(Zhao Xinhong,Yuan Hong,Che Wei).小波變換在小電流接地電弧故障選線中的應(yīng)用(Study of arc-grounding fault selection based on wavelet analysis for the small current neutral grounding system)[J].高電壓技術(shù)(High Voltage Engineering),2005,31(10):18-20.

    [5]王耀南,霍百林,王輝,等(Wang Yaonan,Huo Bailin,Wang Hui,et al).基于小波包的小電流接地系統(tǒng)故障選線的新判據(jù)(A new criterion for earth fault line selection based on wavelet packets in small current neutral grounding system)[J].中國(guó)電機(jī)工程學(xué)報(bào)(Proceedings of the CSEE),2004,24(6):54-58.

    [6]都洪基,姚婷婷,劉林興(Dou Hongji,Yao Tingting,Liu Linxing).遺傳優(yōu)化神經(jīng)網(wǎng)絡(luò)在小電流接地系統(tǒng)故障選線中的應(yīng)用(Fault line selection in power system with indirectly earthed neutral based on the artificial neural network optimized by genetic algorithm)[J].繼電器(Relay),2004,32(5):29-31.

    [7]熊高峰,聶坤凱,劉喜蘋(píng),等(Xiong Gaofeng,Nie Kunkai,Liu Xiping,et al).基于遺傳算法的隨機(jī)機(jī)組組合問(wèn)題求解(GA-based solution to stochastic unit commitment problem)[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)(Proceedings of the CSU-EPSA),2012,24(5):93-99.

    [8]劉文軒,嚴(yán)鳳,田霖,等(Liu Wenxuan,Yan Feng,Tian Lin,et al).基于LVQ神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)故障定位方法(LVQ neural network approach for fault location of distribution network)[J].電力系統(tǒng)保護(hù)與控制(Power System Protection and Control),2012,40(5):90-95.

    [9]李秀中.電線電纜常用數(shù)據(jù)速查手冊(cè)[M].北京:中國(guó)電力出版社,2010.

    [10]葛哲學(xué),孫志強(qiáng).神經(jīng)網(wǎng)絡(luò)理論與MATLAB R2007實(shí)現(xiàn)[M].北京:電子工業(yè)出版社,2007.

    [11]Aurangzeb M,Crossley P A,Gale P.Fault location using the high frequency traveling waves measured at a single location on a transmission line[C]//Seventh International Conference on Developments in Power System Protection. Amsterdam,Netherlands,2001:403-406.

    Ground Fault Line Selection Method in Distribution Network Using GA Optimal LVQ Network

    PENG Pai,ZHOU Yusheng,GAO Yunlong,LIU Rangjiao,AN Zhengzhou,XIONG Jie
    (College of Electrical Engineering and Information,Changsha University of Science and Technology,Changsha 410004,China)

    In order to solve the problem of crossing-zero faulty phase voltage and fault line selection difficulty in distribution network with high resistance ground,a single-phase ground fault line selection method based on learn vector quantization(LVQ)neural network optimized by genetic algorithm(GA)is proposed.Firstly,the modulus maxima of line zero sequence current signals is extracted by wavelet analysis method,which is considered as the input vector of LVQ.On the basis of the improved GA with local search operator to optimize the initial weight vector of the neural network,which solved the problem of the sensitive issues of initial weights,improves the convergence and the clustering precision,and confirms that fault line can be identified quickly and accurately for different fault types.The simulation results indicate that the proposed method can effectively decrease the probability of misjudge compared with the traditional LVQ neural network method,and the method increases the speed and accuracy of line selection.

    distribution network;genetic algorithm(GA);learn vector quantization(LVQ);wavelet analysis;fault line selection

    TM713

    A

    1003-8930(2015)12-0064-06

    10.3969/j.issn.1003-8930.2015.12.12

    彭湃(1989—),女,碩士研究生,研究方向?yàn)殡娏ο到y(tǒng)繼電保護(hù)與控制。Email:121364090@qq.com

    2013-11-28;

    2014-04-16

    周羽生(1965—),男,博士,教授,研究方向?yàn)殡娏ο到y(tǒng)繼電保護(hù)與配電網(wǎng)自動(dòng)化、高溫超導(dǎo)電力技術(shù)、高電壓絕緣與監(jiān)測(cè)。Email:zysdl10193@sina.com

    高云龍(1984—),男,碩士研究生,研究方向?yàn)楹植际诫娫磁潆娋W(wǎng)的繼電保護(hù)。Email:gaoyunlong198484@126.com

    猜你喜歡
    選線零序權(quán)值
    一種融合時(shí)間權(quán)值和用戶行為序列的電影推薦模型
    CONTENTS
    基于壓縮感知的電力系統(tǒng)故障選線研究
    基于權(quán)值動(dòng)量的RBM加速學(xué)習(xí)算法研究
    6kV供電系統(tǒng)零序保護(hù)誤動(dòng)作處理
    大電流接地系統(tǒng)接地故障時(shí)零序電壓分析
    小波變換在電力線路故障選線中的應(yīng)用
    基于強(qiáng)跟蹤濾波器的小電流接地系統(tǒng)故障選線
    近似熵在諧振接地系統(tǒng)故障選線中的應(yīng)用
    變電站中性點(diǎn)不接地系統(tǒng)零序PT的應(yīng)用探討
    河南科技(2014年18期)2014-02-27 14:14:58
    91字幕亚洲| 国产深夜福利视频在线观看| 波多野结衣av一区二区av| 2018国产大陆天天弄谢| 亚洲天堂av无毛| 美女脱内裤让男人舔精品视频| 婷婷成人精品国产| 中国国产av一级| 久久久久国内视频| 久久av网站| av线在线观看网站| 亚洲精品国产av成人精品| 亚洲精品久久久久久婷婷小说| videos熟女内射| 亚洲色图综合在线观看| 在线看a的网站| 伊人久久大香线蕉亚洲五| 久久人人爽av亚洲精品天堂| 国产日韩欧美在线精品| netflix在线观看网站| 国产精品偷伦视频观看了| 国产精品香港三级国产av潘金莲| 欧美日韩国产mv在线观看视频| 欧美成狂野欧美在线观看| 国产精品影院久久| 亚洲欧洲精品一区二区精品久久久| 亚洲人成77777在线视频| 午夜福利视频在线观看免费| 水蜜桃什么品种好| 亚洲精品国产一区二区精华液| 国产成人精品在线电影| 国产成人精品久久二区二区免费| 精品少妇黑人巨大在线播放| 青春草亚洲视频在线观看| 欧美日本中文国产一区发布| 久久久久久久久免费视频了| 宅男免费午夜| 在线观看免费高清a一片| 99re6热这里在线精品视频| 亚洲欧洲精品一区二区精品久久久| 亚洲精品美女久久久久99蜜臀| 亚洲专区字幕在线| 最近中文字幕2019免费版| 国产日韩一区二区三区精品不卡| 极品少妇高潮喷水抽搐| 男男h啪啪无遮挡| 电影成人av| 久热这里只有精品99| 欧美精品亚洲一区二区| 2018国产大陆天天弄谢| 欧美在线一区亚洲| 一区二区日韩欧美中文字幕| 欧美人与性动交α欧美软件| 女人精品久久久久毛片| 人人妻人人澡人人爽人人夜夜| 悠悠久久av| 真人做人爱边吃奶动态| 精品第一国产精品| av天堂在线播放| 成年人午夜在线观看视频| 夫妻午夜视频| 国产精品久久久久久精品古装| 精品欧美一区二区三区在线| 国产男女超爽视频在线观看| 欧美性长视频在线观看| 后天国语完整版免费观看| 最近中文字幕2019免费版| 亚洲精品一区蜜桃| 十分钟在线观看高清视频www| 18在线观看网站| 大型av网站在线播放| 丝瓜视频免费看黄片| 丰满人妻熟妇乱又伦精品不卡| 啪啪无遮挡十八禁网站| 国产在线观看jvid| 男人爽女人下面视频在线观看| 国产激情久久老熟女| 国产黄色免费在线视频| 日本精品一区二区三区蜜桃| 午夜两性在线视频| 久久久精品94久久精品| 国产av又大| 亚洲国产成人一精品久久久| 中文精品一卡2卡3卡4更新| 日韩欧美免费精品| 在线天堂中文资源库| 午夜免费成人在线视频| 亚洲成人免费电影在线观看| 国产精品秋霞免费鲁丝片| 亚洲人成77777在线视频| 80岁老熟妇乱子伦牲交| av在线app专区| 我要看黄色一级片免费的| 免费观看a级毛片全部| 视频区欧美日本亚洲| av天堂在线播放| 婷婷色av中文字幕| 热re99久久国产66热| 国产一区二区三区av在线| 亚洲第一青青草原| 超碰97精品在线观看| 精品少妇内射三级| 亚洲欧美成人综合另类久久久| 老司机影院毛片| 丁香六月天网| 手机成人av网站| 久久ye,这里只有精品| 亚洲天堂av无毛| 国内毛片毛片毛片毛片毛片| 欧美黑人精品巨大| 9热在线视频观看99| 久久热在线av| 日本一区二区免费在线视频| 精品免费久久久久久久清纯 | 两性午夜刺激爽爽歪歪视频在线观看 | 中文字幕人妻熟女乱码| 国产伦理片在线播放av一区| 久热这里只有精品99| 婷婷色av中文字幕| 一本大道久久a久久精品| 亚洲欧美日韩高清在线视频 | 成人黄色视频免费在线看| 亚洲av电影在线进入| 国产xxxxx性猛交| av线在线观看网站| 亚洲国产精品成人久久小说| 精品少妇久久久久久888优播| 香蕉国产在线看| 中文字幕人妻丝袜制服| 精品亚洲成a人片在线观看| 99久久99久久久精品蜜桃| 91麻豆av在线| 热99re8久久精品国产| 99热全是精品| 国产成人免费无遮挡视频| 亚洲第一欧美日韩一区二区三区 | 制服人妻中文乱码| 免费在线观看黄色视频的| 亚洲精品中文字幕一二三四区 | 侵犯人妻中文字幕一二三四区| 日本猛色少妇xxxxx猛交久久| 人人妻人人澡人人爽人人夜夜| 久久国产精品男人的天堂亚洲| 人妻久久中文字幕网| 久久久国产精品麻豆| av线在线观看网站| 亚洲中文字幕日韩| 首页视频小说图片口味搜索| 国产精品久久久久久人妻精品电影 | 成人国产av品久久久| 纯流量卡能插随身wifi吗| 亚洲精品第二区| 老司机午夜福利在线观看视频 | 777米奇影视久久| 亚洲天堂av无毛| 久久人妻福利社区极品人妻图片| av视频免费观看在线观看| 丝瓜视频免费看黄片| 91字幕亚洲| 99国产极品粉嫩在线观看| 色老头精品视频在线观看| 日日爽夜夜爽网站| 精品欧美一区二区三区在线| 欧美日韩成人在线一区二区| 香蕉丝袜av| 亚洲久久久国产精品| 亚洲av成人不卡在线观看播放网 | 久久天堂一区二区三区四区| 自线自在国产av| 黄色视频在线播放观看不卡| 中文字幕av电影在线播放| 日韩大片免费观看网站| 欧美精品人与动牲交sv欧美| 国产精品自产拍在线观看55亚洲 | www.999成人在线观看| 无遮挡黄片免费观看| 亚洲国产精品成人久久小说| 亚洲欧洲精品一区二区精品久久久| 日韩制服骚丝袜av| 日韩大码丰满熟妇| 久久久国产精品麻豆| 久久毛片免费看一区二区三区| 搡老岳熟女国产| 久久国产精品男人的天堂亚洲| 巨乳人妻的诱惑在线观看| 国产亚洲av片在线观看秒播厂| 国产野战对白在线观看| 亚洲伊人色综图| 国产日韩一区二区三区精品不卡| 午夜精品久久久久久毛片777| 性色av乱码一区二区三区2| 午夜福利免费观看在线| 91精品三级在线观看| 丝瓜视频免费看黄片| 纯流量卡能插随身wifi吗| 飞空精品影院首页| 老司机靠b影院| 国产老妇伦熟女老妇高清| 日日摸夜夜添夜夜添小说| 一区二区三区四区激情视频| 精品欧美一区二区三区在线| 两人在一起打扑克的视频| 国产男女内射视频| 大码成人一级视频| 国产精品 欧美亚洲| 亚洲伊人久久精品综合| 久久性视频一级片| 俄罗斯特黄特色一大片| 日韩,欧美,国产一区二区三区| 国产精品久久久人人做人人爽| 精品亚洲成a人片在线观看| www.精华液| 中亚洲国语对白在线视频| av有码第一页| 亚洲视频免费观看视频| 欧美av亚洲av综合av国产av| 啦啦啦啦在线视频资源| 在线观看舔阴道视频| 亚洲国产欧美在线一区| 中文欧美无线码| 国产熟女午夜一区二区三区| 狂野欧美激情性xxxx| 精品国产一区二区三区久久久樱花| 精品国产乱码久久久久久男人| 欧美在线一区亚洲| 人人妻人人澡人人爽人人夜夜| 日韩电影二区| h视频一区二区三区| 美女高潮喷水抽搐中文字幕| 美女高潮到喷水免费观看| 在线精品无人区一区二区三| 国产野战对白在线观看| 伊人久久大香线蕉亚洲五| 黄色视频在线播放观看不卡| 丁香六月欧美| 午夜福利视频精品| 精品少妇内射三级| 一级毛片精品| 人人妻人人添人人爽欧美一区卜| 久久国产精品人妻蜜桃| av一本久久久久| 久久ye,这里只有精品| 国产男人的电影天堂91| 在线av久久热| 中文字幕色久视频| 一本色道久久久久久精品综合| 极品人妻少妇av视频| 精品国产一区二区久久| 国产av又大| 香蕉国产在线看| 欧美日韩视频精品一区| 一区在线观看完整版| 波多野结衣一区麻豆| 最黄视频免费看| 久久精品久久久久久噜噜老黄| 99热国产这里只有精品6| 亚洲一区二区三区欧美精品| 狠狠狠狠99中文字幕| 国产精品 国内视频| 99精品久久久久人妻精品| 国产精品亚洲av一区麻豆| 丰满人妻熟妇乱又伦精品不卡| 窝窝影院91人妻| 夜夜骑夜夜射夜夜干| 亚洲欧美日韩另类电影网站| 色老头精品视频在线观看| 国产老妇伦熟女老妇高清| 婷婷成人精品国产| 亚洲精品久久成人aⅴ小说| 亚洲欧美精品自产自拍| 亚洲精品乱久久久久久| 亚洲avbb在线观看| 啦啦啦在线免费观看视频4| 97精品久久久久久久久久精品| 国产欧美日韩一区二区三区在线| 国产又爽黄色视频| 国产精品国产av在线观看| 少妇裸体淫交视频免费看高清 | 人人妻,人人澡人人爽秒播| 免费黄频网站在线观看国产| 久久久欧美国产精品| 成人免费观看视频高清| 亚洲国产精品一区二区三区在线| 色精品久久人妻99蜜桃| av福利片在线| 老司机福利观看| 久久久久视频综合| 一级片'在线观看视频| 丝袜美足系列| 欧美激情久久久久久爽电影 | 亚洲一区中文字幕在线| 一区二区三区激情视频| 亚洲欧美色中文字幕在线| 热99久久久久精品小说推荐| 久久久水蜜桃国产精品网| 国产成人精品无人区| 国产精品秋霞免费鲁丝片| 精品一区二区三区av网在线观看 | 亚洲国产精品一区三区| 91九色精品人成在线观看| 动漫黄色视频在线观看| 少妇精品久久久久久久| 日韩,欧美,国产一区二区三区| 国产精品.久久久| 日韩三级视频一区二区三区| 少妇裸体淫交视频免费看高清 | 最新的欧美精品一区二区| 国产一区二区激情短视频 | 免费在线观看黄色视频的| 欧美日韩视频精品一区| 亚洲国产av影院在线观看| 亚洲av男天堂| 日韩中文字幕视频在线看片| 丰满人妻熟妇乱又伦精品不卡| 一级毛片女人18水好多| 国产成人精品久久二区二区免费| 亚洲欧美清纯卡通| 亚洲欧美精品综合一区二区三区| 超碰97精品在线观看| 午夜福利视频在线观看免费| 亚洲精品久久成人aⅴ小说| 丁香六月天网| 欧美变态另类bdsm刘玥| 国产又色又爽无遮挡免| 一二三四社区在线视频社区8| 欧美激情极品国产一区二区三区| 国产伦人伦偷精品视频| 免费人妻精品一区二区三区视频| 男女高潮啪啪啪动态图| 热99国产精品久久久久久7| 婷婷成人精品国产| 狠狠精品人妻久久久久久综合| 狂野欧美激情性xxxx| www.熟女人妻精品国产| 久久国产精品人妻蜜桃| 老熟妇乱子伦视频在线观看 | av电影中文网址| a级毛片黄视频| 新久久久久国产一级毛片| 韩国精品一区二区三区| 国产不卡av网站在线观看| 久久99一区二区三区| 亚洲人成电影免费在线| 青春草亚洲视频在线观看| 啦啦啦在线免费观看视频4| 成人免费观看视频高清| 精品久久久久久久毛片微露脸 | 午夜福利在线免费观看网站| 老鸭窝网址在线观看| 亚洲人成电影免费在线| 中文精品一卡2卡3卡4更新| 日韩,欧美,国产一区二区三区| 色精品久久人妻99蜜桃| 一级,二级,三级黄色视频| 丝袜美腿诱惑在线| 久久天躁狠狠躁夜夜2o2o| 首页视频小说图片口味搜索| 久久久精品94久久精品| 久久青草综合色| 国产人伦9x9x在线观看| 男男h啪啪无遮挡| 老司机在亚洲福利影院| 日本五十路高清| 国产成人精品在线电影| 99香蕉大伊视频| 日本av免费视频播放| 在线观看免费午夜福利视频| 精品熟女少妇八av免费久了| 国产精品欧美亚洲77777| 国产精品熟女久久久久浪| 乱人伦中国视频| 精品人妻熟女毛片av久久网站| 女人久久www免费人成看片| a在线观看视频网站| www.熟女人妻精品国产| 欧美日韩国产mv在线观看视频| 9191精品国产免费久久| 亚洲午夜精品一区,二区,三区| 国产精品麻豆人妻色哟哟久久| 成人免费观看视频高清| 男人操女人黄网站| 两个人看的免费小视频| 精品福利观看| h视频一区二区三区| 纵有疾风起免费观看全集完整版| 极品人妻少妇av视频| 免费在线观看影片大全网站| 国产亚洲精品一区二区www | 黄片播放在线免费| 午夜久久久在线观看| 国产精品99久久99久久久不卡| a级片在线免费高清观看视频| 欧美日韩视频精品一区| 一本久久精品| 久久亚洲精品不卡| 欧美亚洲 丝袜 人妻 在线| 亚洲色图综合在线观看| 丁香六月天网| 中亚洲国语对白在线视频| 免费av中文字幕在线| 女人被躁到高潮嗷嗷叫费观| 国产精品一区二区在线观看99| 如日韩欧美国产精品一区二区三区| 欧美精品av麻豆av| 老熟妇仑乱视频hdxx| 男女之事视频高清在线观看| 国产亚洲午夜精品一区二区久久| 国产精品国产三级国产专区5o| 欧美日韩中文字幕国产精品一区二区三区 | 另类亚洲欧美激情| 18在线观看网站| 国精品久久久久久国模美| 少妇精品久久久久久久| 中国美女看黄片| 国精品久久久久久国模美| 午夜影院在线不卡| 国产福利在线免费观看视频| 亚洲国产欧美在线一区| 女性被躁到高潮视频| 久久狼人影院| 中亚洲国语对白在线视频| 成人影院久久| 妹子高潮喷水视频| 国产欧美亚洲国产| 久久这里只有精品19| av电影中文网址| 啦啦啦免费观看视频1| 久久久久久久久久久久大奶| 黑人猛操日本美女一级片| 亚洲专区国产一区二区| 免费在线观看完整版高清| 一区在线观看完整版| 国精品久久久久久国模美| av线在线观看网站| 中文字幕另类日韩欧美亚洲嫩草| 久久久久国产一级毛片高清牌| 中文字幕人妻熟女乱码| 这个男人来自地球电影免费观看| 99国产精品99久久久久| 欧美精品高潮呻吟av久久| 最新的欧美精品一区二区| 99国产精品99久久久久| h视频一区二区三区| 久9热在线精品视频| 黄色毛片三级朝国网站| 国产又爽黄色视频| 中文欧美无线码| 久久精品国产综合久久久| 国产无遮挡羞羞视频在线观看| 亚洲精品粉嫩美女一区| 国产亚洲欧美精品永久| 中文字幕精品免费在线观看视频| 精品乱码久久久久久99久播| 国产亚洲欧美精品永久| 黑人巨大精品欧美一区二区蜜桃| 叶爱在线成人免费视频播放| 777米奇影视久久| 欧美成人午夜精品| 国产亚洲欧美在线一区二区| 十八禁网站免费在线| 日本vs欧美在线观看视频| 色婷婷久久久亚洲欧美| a级片在线免费高清观看视频| bbb黄色大片| 女性被躁到高潮视频| 精品乱码久久久久久99久播| 国产国语露脸激情在线看| 五月天丁香电影| 亚洲男人天堂网一区| 菩萨蛮人人尽说江南好唐韦庄| 欧美国产精品va在线观看不卡| av视频免费观看在线观看| 免费观看a级毛片全部| 亚洲专区字幕在线| 欧美午夜高清在线| 国产极品粉嫩免费观看在线| 五月天丁香电影| 99re6热这里在线精品视频| 女人精品久久久久毛片| 曰老女人黄片| 国产精品.久久久| 中文精品一卡2卡3卡4更新| 另类精品久久| 日韩 欧美 亚洲 中文字幕| 成人黄色视频免费在线看| 亚洲专区国产一区二区| 欧美xxⅹ黑人| 99久久综合免费| 在线精品无人区一区二区三| www.精华液| videos熟女内射| 欧美日韩一级在线毛片| 亚洲三区欧美一区| 人成视频在线观看免费观看| 热re99久久国产66热| 国产精品二区激情视频| 午夜久久久在线观看| 天天躁狠狠躁夜夜躁狠狠躁| 精品国产乱码久久久久久小说| 老熟妇乱子伦视频在线观看 | 国产一区二区三区在线臀色熟女 | 亚洲av成人一区二区三| 18禁国产床啪视频网站| 国产精品免费大片| 老熟女久久久| 香蕉国产在线看| 九色亚洲精品在线播放| 精品久久久久久久毛片微露脸 | 美女国产高潮福利片在线看| 亚洲国产日韩一区二区| 午夜成年电影在线免费观看| 97在线人人人人妻| 69精品国产乱码久久久| 亚洲欧美日韩另类电影网站| 久久99一区二区三区| 欧美乱码精品一区二区三区| 欧美激情极品国产一区二区三区| 高清在线国产一区| 少妇精品久久久久久久| 久久久国产成人免费| 777久久人妻少妇嫩草av网站| 久久女婷五月综合色啪小说| 搡老乐熟女国产| 国产在线观看jvid| 美女主播在线视频| 狂野欧美激情性bbbbbb| 美女脱内裤让男人舔精品视频| 黄片播放在线免费| 欧美黑人精品巨大| 色婷婷av一区二区三区视频| 每晚都被弄得嗷嗷叫到高潮| 欧美亚洲 丝袜 人妻 在线| 女性被躁到高潮视频| 黄频高清免费视频| 亚洲欧美一区二区三区久久| 视频区欧美日本亚洲| av在线播放精品| 欧美黑人欧美精品刺激| 亚洲欧洲精品一区二区精品久久久| 午夜影院在线不卡| 亚洲av男天堂| 十八禁高潮呻吟视频| 女警被强在线播放| 一区二区三区激情视频| 电影成人av| 老司机影院成人| 少妇裸体淫交视频免费看高清 | www.自偷自拍.com| 亚洲人成电影免费在线| 中文字幕制服av| 午夜精品久久久久久毛片777| 一级黄色大片毛片| 91av网站免费观看| 亚洲国产欧美网| 人人妻人人澡人人爽人人夜夜| 久久 成人 亚洲| 免费在线观看完整版高清| 国产精品 欧美亚洲| 午夜免费观看性视频| 欧美另类亚洲清纯唯美| 国产精品久久久av美女十八| 后天国语完整版免费观看| 午夜激情av网站| 亚洲欧美精品自产自拍| 王馨瑶露胸无遮挡在线观看| 亚洲久久久国产精品| 男女国产视频网站| 国产淫语在线视频| 各种免费的搞黄视频| 97在线人人人人妻| 黄色片一级片一级黄色片| 超碰97精品在线观看| 国产成人影院久久av| 下体分泌物呈黄色| 天堂中文最新版在线下载| 国产免费一区二区三区四区乱码| 精品人妻熟女毛片av久久网站| 中国国产av一级| 午夜福利一区二区在线看| 大片电影免费在线观看免费| 一个人免费看片子| 国产成人免费观看mmmm| 亚洲精品一区蜜桃| 日本wwww免费看| 亚洲 国产 在线| 精品国产乱码久久久久久小说| 不卡一级毛片| 久久九九热精品免费| 亚洲熟女毛片儿| 免费高清在线观看视频在线观看| 亚洲欧美精品综合一区二区三区| 人成视频在线观看免费观看| 欧美激情久久久久久爽电影 | 9色porny在线观看| 日韩欧美一区视频在线观看| 熟女少妇亚洲综合色aaa.| h视频一区二区三区| 多毛熟女@视频| 国产欧美日韩一区二区三 | 日韩 亚洲 欧美在线| 叶爱在线成人免费视频播放| 高清欧美精品videossex| 国产免费福利视频在线观看| 超碰成人久久| 最近最新中文字幕大全免费视频| 国产精品久久久久成人av| 51午夜福利影视在线观看| 欧美激情久久久久久爽电影 | 亚洲第一欧美日韩一区二区三区 | 青青草视频在线视频观看| 国产欧美日韩精品亚洲av| 黄片播放在线免费| 19禁男女啪啪无遮挡网站| 国产av国产精品国产| 性高湖久久久久久久久免费观看|