• <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PSO-LSSVM算法的造紙過程短期電力負荷預測模型

    2019-09-10 21:19:18胡雨沙李繼庚洪蒙納滿奕
    中國造紙學報 2019年1期
    關(guān)鍵詞:最小二乘支持向量機粒子群優(yōu)化數(shù)學建模

    胡雨沙 李繼庚 洪蒙納 滿奕

    摘?要:對造紙廠的用電負荷進行預測有利于對生產(chǎn)調(diào)度進行合理安排,從而降低能耗。本課題提出了一種粒子群優(yōu)化算法(PSO)和最小二乘支持向量機(LSSVM)相結(jié)合(PSO-LSSVM)的短期電力負荷預測方法,該方法可對造紙廠未來每30 min的電力負荷進行預測。結(jié)果表明,采用PSO-LSSVM算法對短期電力負荷進行預測時,預測結(jié)果的相對百分誤差絕對值的平均值約為0.75%,精度高于其他行業(yè)的電力負荷預測值,模型具有良好的可行性和有效性。

    關(guān)鍵詞:數(shù)學建模;短期預測;電力負荷;最小二乘支持向量機;粒子群優(yōu)化

    中圖分類號:TS7

    文獻標識碼:A

    近年來,我國造紙工業(yè)產(chǎn)能迅速擴大,紙及紙板產(chǎn)量由2000年的3233萬t增長至2017年的11130萬t,與此同時,其能耗也從2000年的33.6 Mt標煤增長至2017年的52.1Mt標煤[1]??焖侔l(fā)展的造紙工業(yè),為我國的節(jié)能減排目標帶來了一定壓力。制漿造紙生產(chǎn)過程需要消耗大量的電能,其消耗量約占單位產(chǎn)品總能耗的15%~20%。因此,降低生產(chǎn)過程電耗,對造紙工業(yè)的節(jié)能減排十分重要。

    對造紙廠進行短期電力負荷預測,可指導造紙廠進行合理的生產(chǎn)調(diào)度計劃,實現(xiàn)能源的合理利用,降低不必要的能耗損失,如制定日前發(fā)電計劃、制定生產(chǎn)計劃和進行削峰填谷的需求側(cè)響應等,同時還可以對用電異常情況進行分析,以及實行智能預購電等[2-3]。因此,建立精確度高的短期電力負荷預測有助于實現(xiàn)能源的合理利用,減少生產(chǎn)成本,提高能效。

    由于電力負荷受社會、經(jīng)濟、自然條件等外界因素影響較大,再加上諸多隨機因素(如各個用電設備之間的干擾等),電力負荷和實際生產(chǎn)過程存在復雜的非線性關(guān)系[4]。因此,對造紙廠的電力需求負荷預測,必須建立在大量數(shù)據(jù)的基礎上。目前,對于電網(wǎng)用電需求的電力負荷預測方面已有較多成果[5-7]。然而,相比電網(wǎng)的用電需求,造紙廠的電力負荷問題更為復雜:造紙廠用電負荷是工藝流程中各個用電設備負荷之和,其用電設備主要包含了非連續(xù)性(如磨漿機、碎漿機)和連續(xù)性(如紙機傳動),其中非連續(xù)性用電設備的啟停時間目前還沒有一個標準,造紙廠用電負荷又受到各種非計劃停機(如電網(wǎng)波動造成全廠停機、斷紙造成設備停機)的影響,使得實時負荷的波動幅度增大,影響因素更為復雜,而造紙廠的用電負荷不受季節(jié)性影響,也無周期性,因此如何對造紙廠進行短期電力負荷預測成為難題。

    近3年來,對于電力負荷預測的主要研究方向有兩個:各個國家電網(wǎng)情況的預測[6-7]以及新能源(如風能、太陽能等)的預測[8-9]。造紙廠的電力負荷與電網(wǎng)、新能源的不同之處在于:由于造紙廠的用電情況與不同工藝過程的能耗設備有直接關(guān)系,而各能耗設備的用電情況存在一定的周期性,因此可以挖掘造紙廠不同工藝設備的用電情況與總有效功率之間的關(guān)系作為模型的輸入,采用適當?shù)哪P蛠韺υ旒垙S的總有效功率進行預測。其中,支持向量機(SVM)與神經(jīng)網(wǎng)絡算法被廣泛應用于電力負荷預測領域,基于這些算法,國內(nèi)外學者開發(fā)了大量混合和組合算法,對電力需求問題進行預測,并取得了較好的效果[10-11]。

    相對而言,傳統(tǒng)的神經(jīng)網(wǎng)絡算法容易陷入局部最小值,因此在訓練過程中,需要大量數(shù)據(jù)樣本[12]。而SVM算法則避免了這一問題,它能夠有效解決小樣本、非線性、高維和局部最小點等問題[12]。然而,SVM算法在樣本較大時,容易出現(xiàn)二次規(guī)劃問題,而數(shù)據(jù)樣本過小,又會影響模型的精度[13]。為解決這一問題,本課題采用改進的最小二乘支持向量機(LSSVM)算法,在實時采集的生產(chǎn)過程大數(shù)據(jù)基礎上,對造紙廠短期電力負荷進行建模和預測;并通過改進的粒子群優(yōu)化(PSO)算法對LSSVM算法的參數(shù)進行優(yōu)化,從而建立了針對造紙廠短期電力負荷預測的PSO-LSSVM算法模型。

    1?造紙廠短期電力負荷預測模型

    1.1??LSSVM模型

    LSSVM數(shù)學方法是解決模型分類和函數(shù)估計等問題最常用的方法之一。LSSVM模型采用最小二乘線性系統(tǒng)作為損失函數(shù),代替?zhèn)鹘y(tǒng)的支持向量機采用的二次規(guī)劃方法。其基本原理是在選定的非線性映射空間中構(gòu)造最優(yōu)決策函數(shù)。在構(gòu)造最優(yōu)決策函數(shù)時,利用了結(jié)構(gòu)風險最小化原則。并采用原空間的核函數(shù)來代替高維特征空間中的點積運算。假設樣本是一個n維向量,某區(qū)域的一個樣本及其值表示為(x1,y1),…,(xi,yi)∈Rn·Rn。

    首先用非線性映射Ψ(X)把樣本從原空間Rn映射到特征空間Ψ(X)=(φ(x1 ),φ(x2 ),…,φ(xi ) )。在這個改為特征空間的過程中構(gòu)造最優(yōu)決策函數(shù)y(x)=wT·φ(x)+b,其中w為特征空間中樣本的權(quán)重矩陣,wT為其轉(zhuǎn)置矩陣,φ(x)為非線性函數(shù),b為偏差。這樣非線性估計函數(shù)轉(zhuǎn)化為高維特征空間中的線性估計函數(shù)。利用結(jié)構(gòu)風險最小化原則,尋找w,b就是最小化R=12‖w‖2+c·Remp,其中‖w‖2為控制模型的復雜度,c為正規(guī)劃參數(shù)。Remp為誤差控制函數(shù),即不敏感損失函數(shù)。常用的損失函數(shù)有線性損失函數(shù)、二次損失函數(shù)、hinge損失函數(shù)。損失函數(shù)的不同使得SVM擁有的形式不同。最小二乘線性系統(tǒng)作為優(yōu)化目標的損失函數(shù),是誤差(εi)的二次項。因此,優(yōu)化問題變?yōu)椋?/p>

    minw,b,εJ(w,ε)=12wT·w+c∑li=1ε2i(1)

    其中,yi=φ(xi )·wT+b+εi, i=1,…,l。

    采用拉格朗日法求解,其式為:

    L(w,b,ε;a)=12wT·w+c∑li=1ε2i-∑li=1ai(wT·φ(xi )+b+εi-yi ) (2)

    其中,ai(i=1,…,l)是拉格朗日乘子。

    根據(jù)拉格朗日理論,其優(yōu)化條件為:

    Lw=0, Lb=0, La=0(3)

    求解得到:

    w=∑li=1ai·φ(xi )

    ∑li=1ai=0

    ai=c·εi

    wT·φ(xi )+b+εi-yi=0(4)

    其中,核函數(shù)K(xi,xj )=φ(xi)·φ(xj), K(xi,xj )是滿足Mercer定理的對稱函數(shù)。

    根據(jù)式(4),優(yōu)化問題變成求解線性方程:

    0ITIΩ+I/yba=0y(5)

    其中,Ωij=φ(xi)T·φ(xj )=K(xi,xj),a=[a1,a2,…,ai]T, y=[y1,y2,…,yi]T(i,j=1,2,…,l);I為單位矩陣。

    采用最小二乘法求出回歸系數(shù)ai和b,最后得到非線性方程:

    f(x)=∑li=1ai·K(xi,xj )+b(6)

    常用的核函數(shù)有多項式核函數(shù)、徑向基函數(shù)、Sigmoid核函數(shù)和高斯核函數(shù)等。由于高斯核函數(shù)適用范圍更廣,它不需要數(shù)據(jù)集具有先驗知識,因此本研究采用高斯核函數(shù)作為核函數(shù)。其表達式為:

    K(xi,xj )=exp(-‖xi-xj ‖22σ2)(7)

    其中,σ是核參數(shù),如果σ較大,易把所有樣本點歸為同一類;反之,則會出現(xiàn)過擬合的問題。

    由于LSSVM中依舊存在參數(shù)的隨機和不確定性,即c為正規(guī)劃參數(shù)和核系數(shù)σ。因此,采用PSO優(yōu)化這些參數(shù)。

    1.2?PSO優(yōu)化模型

    PSO算法是基于群體的一種算法,它是根據(jù)對環(huán)境的適應度把群體中的個體移動到最好的區(qū)域。它不對個體進行函數(shù)運算,而是將每一個個體看作是搜索空間(假設為N維)中的一個微粒(無體積),在搜索空間中以一定的速度(該速度根據(jù)它自身經(jīng)驗和社會經(jīng)驗進行調(diào)整)飛行。其中,粒子i位置:si=(si1,s i2,…,siN),si代入適應函數(shù)(Fitness Function)F(si)求取適應值,自身經(jīng)歷過的最好位置記為pbest i=(pi1, pi2, …,piN)。在群體中所有微粒經(jīng)歷過的最好位置記為gbest i=(gi1,gi2,…,giN)。微粒i的速度用Vi=(vi1, vi2, …, viN)表示。通常,在第n(1≤n≤N)維的位置變化范圍限定在[Smin,n,Smax,n]內(nèi),速度變化范圍限定在[-Vmax,n,Vmax,n]。對每一代,它的第n維(1≤n≤N)的速度和位置變化式如下:

    vkin=ω·vk-1in+c1·rand()·(pbest in-sk-1in)+c2·rand()·(gbest n-sk-1in)(8)

    skin=sk-1in+vk-1in(9)

    式中,skin,第k次迭代粒子i位置矢量的第n維分量;vkin,第k次迭代粒子i飛行速度矢量的第n維分量;c1,c2,加速度常數(shù),調(diào)節(jié)學習最大步長;rand(),隨機函數(shù),取值范圍[0,1],以增加搜索隨機性;ω,慣性因子,非負數(shù)。

    根據(jù)上述原理的介紹,其標準PSO優(yōu)化算法的步驟如圖1所示。

    (1)微粒初始化,包括微粒的群體規(guī)模(m)、位置和速度。

    (2)通過評價函數(shù)(Fitness Function)求取每個微粒的適應值。

    (3)對當前每個微粒求取的適應值和它經(jīng)歷過的最好的局部位置pbest相比較,選取兩者之間更為合適的作為當前最好的局部位置pbest。

    (4)對當前每個微粒求取的適應值和全局所經(jīng)歷最好的全局位置gbest相比較,選取兩者之間更為合適的作為當前最好的全局位置gbest。

    (5)根據(jù)式(8)和式(9)更新微粒的速度和位置。

    (6)判斷是否達到結(jié)束條件(設置為是否達到最大迭代次數(shù)200),如未達到,返回(2)。

    (7)達到結(jié)束條件,把優(yōu)化的參數(shù)(正則化參數(shù)c和核系數(shù)σ)賦給LSSVM模型。

    2?模型的工業(yè)驗證

    采集湖北省某造紙廠歷史數(shù)據(jù)庫中近2個月共60天,不同工藝能耗設備的實時功率與總有效功率的實時生產(chǎn)數(shù)據(jù),數(shù)據(jù)采集頻率為30 min。對預處理后的數(shù)據(jù)集進行相關(guān)性分析,得到相關(guān)系數(shù)絕對值高于0.6的能耗設備的實時功率,包括磨漿功率、碎漿功率、紙機傳動功率、除塵風機、空壓機以及環(huán)境因素(環(huán)境溫度和環(huán)境相對濕度)作為輸入。

    輸入變量的相關(guān)系數(shù)計算如下:

    R(X,Y)=Cov(X,Y)σX·σY(10)

    式中,Cov(X,Y)為X與Y的協(xié)方差,σX與σY分別為X與Y的標準差。

    PSO優(yōu)化算法參數(shù)的設置為:慣性權(quán)重為經(jīng)典慣性權(quán)重ωmax=0.9,ωmin=0.4;種群數(shù)(m)一般選擇在20~40之間,這里設置種群數(shù)為30;學習因子設置為c1=c2=2;Vmax=0.5。

    訓練集輸入為前59天的設備實時功率,及其對應的環(huán)境溫度和濕度數(shù)據(jù),輸出為相對應的59天的總有效功率,測試集為第60天的數(shù)據(jù),預測每30 min的總有效功率,結(jié)果如圖2所示,其中,圖2(a)為預測圖,圖2(b)為殘差圖。由圖2可知,該模型對于波動較大的地方負荷預測效果良好,殘差基本在[-100,80]之間。

    為了驗證PSO-LSSVM模型的好壞,本實驗采用誤差反向傳播神經(jīng)網(wǎng)絡(BPNN)和LSSVM模型與其進行對比。其中,BPNN選擇經(jīng)典三層BP神經(jīng)網(wǎng)絡,輸入為7,隱藏層為15,輸出為1,LSSVM種群規(guī)模為30,正則化參數(shù)c取值范圍為[0.01,1000]和核系數(shù)σ的取值范圍為[0.01,100],與PSO-LSSVM模型相比,其結(jié)果如圖3所示。為了更加直觀地評價各種模型的精確度,采用常用的相對百分誤差絕對值的平均值(MAPE)和均方根誤差(RMSE)進行分析,如式(11)、式(12)所示。

    RMSE=∑ni=i(yPi-yoi)2n(11)

    MAPE=∑ni=iyPi-yoiyoin×100%(12)

    式中,ypi為預測值,yoi為實際值。

    通過與BPNN和LSSVM的對比可知,PSO-LSSVM模型預測精度更高,其MAPE比BPNN的少了0.07%,比LSSVM減少約50%;相比于BPNN而言,PSO-LSSVM穩(wěn)定性更好,而且沒有易陷入局部最優(yōu)的隱患。因此,在造紙過程采用PSO-LSSVM進行短期電力負荷預測是可行的。

    3?結(jié)?論

    本課題提出了一種針對造紙過程短期電力負荷的預測模型。預測模型采用組合算法,通過最小二乘支持向量機(LSSVM)模型對電力負荷進行建模和預測,并通過改進的粒子群優(yōu)化(PSO)算法對LSSVM算法的參數(shù)進行優(yōu)化,從而實現(xiàn)模型的快速和準確預測。PSO-LSSVM模型的輸入標簽為與總有效功率相關(guān)性高的5種能耗設備以及外在因素(環(huán)境溫度和濕度),并通過某造紙廠的電力負荷預測結(jié)果進行了驗證。結(jié)果表明,本課題提出的PSO-LSSVM組合模型,具有很強的全局搜索能力,預測結(jié)果的相對百分誤差絕對值的平均值約為0.75%,模型具有良好的可行性和有效性。

    參?考?文?獻

    [1]?National Bureau of Statistics of the Peoples Republic of China. 2017 China Energy Statistical Yearbook[M]. Beijing: China Statistical Press, 2018: 184.

    國家統(tǒng)計局. 中國能源統(tǒng)計年鑒[M]. 北京: 中國統(tǒng)計出版社, 2018: 184.

    [2]?Hu F, Zhu C Z, Wang Z H. Research on the power load classification based on improved K-means algorithm[J]. Electronic Measurement Technology, 2018, 41(12): 44.

    胡?鋒, 朱承治, 汪志華. 基于改進K-means算法的電力負荷分類研究[J]. 電子測量技術(shù), 2018, 41(12): 44.

    [3]?Chen W C. The research on short-term load forecasting of smart grid based on multiple neural network[D]. Guangzhou: South China University of Technology, 2012.

    陳偉淳. 基于多神經(jīng)網(wǎng)絡的智能電網(wǎng)短期負荷預測研究[D]. 廣州: 華南理工大學, 2012.

    [4]?Wang H Z, Zhou J, Liu K. Summary of research on short-term load forecasting method of electric power system[J]. Electrical Automation, 2015, 37(1): 1.

    王惠中, 周?佳, 劉?軻. 電力系統(tǒng)短期負荷預測方法研究綜述[J]. 電氣自動化, 2015, 37(1): 1.

    [5]?Coelho V N, Coelho I M, Coelho B N, et al. A self-adaptive evolutionary fuzzy model for load forecasting problems on smart grid environment[J]. Applied Energy, 2016, 169: 567.

    [6]?Ghasemi A, Shayeghi H, Moradzadeh M, et al. A novel hybrid algorithm for electricity price and load forecasting in smart grids with demand-side management[J]. Applied Energy, 2016, 177: 40.

    [7]?Raza M Q, Nadarajah M, Hung D Q, et al. An intelligent hybrid short-term load forecasting model for smart power grids[J]. Sustainable Cities & Society, 2017, 37: 264.

    [8]?Hong W C. Chaotic particle swarm optimization algorithm in a support vector regression electric load forecasting model[J]. Energy Conversion & Management, 2009, 50(1): 105.

    [9]?Haupt S E, Dettling S, Williams J K, et al. Blending distributed photovoltaic and demand load forecasts[J]. Solar Energy, 2017, 157: 542.

    [10]?Wang Y, Xie Z, Hu Q, et al. Correlation aware multi-step ahead wind speed forecasting with heteroscedastic multi-kernel learning[J]. Energy Conversion& Management, 2018, 163: 384.

    [11]?Xu H, Chen G. An intelligent fault identification method of rolling bearings based on LSSVM optimized by improved PSO[J]. Mechanical Systems & Signal Processing, 2013, 35(1/2): 167.

    [12]?Zhang X, Wang J, Zhang K. Short-term electric load forecasting based on singular spectrum analysis and support vector machine optimized by Cuckoo search algorithm[J]. Electric Power Systems Research, 2017, 146: 270.

    [13]?Sepasi S, Reihani E, Howlader A M, et al. Very short term load forecasting of a distribution system with high PV penetration[J]. Renewable Energy, 2017, 106: 142.

    Short-term Power Load Forecasting Model for Papermaking Process Based on PSO-LSSVM Algorithm

    HU Yusha?LI Jigeng?HONG Mengna?MAN Yi*

    (State Key Lab of Pulp and Paper Engineering, South China University of Technology, Guangzhou, Guangdong Province, 510640)

    (*E-mail:manyi@scut.edu.cn)[JZ)]

    Abstract:Papermaking process consumes large amount of electricity for productionThe forecast of the power load for the paper mill is conducive to the production scheduling and energy consumption reductionA short-term power load forecasting method based on least-squares support vector machine (LSSVM) and particle swarm optimization (PSO) algorithms was proposed, which was used to forecast the power load for the next half hour in the paper millsCompared with the industrial data collected from a paper mill, the forecasting performance showed that the mean relative error of the proposed PSO-LSSVM model was around 0.75%, which demonstrated good feasibility for the papermaking process.

    Keywords:mathematical modeling; short-term forecasting; power load; LSSVM algorithm; PSO algorithm

    猜你喜歡
    最小二乘支持向量機粒子群優(yōu)化數(shù)學建模
    基于最小二乘支持向量機的VaR計算方法研究
    價值工程(2017年6期)2017-03-15 17:51:46
    電子商務交易風險評估模型仿真分析
    引入螢火蟲行為和Levy飛行的粒子群優(yōu)化算法
    數(shù)學建模中創(chuàng)造性思維的培養(yǎng)
    考試周刊(2016年84期)2016-11-11 22:46:15
    樹立建模意識 培養(yǎng)學生創(chuàng)新思維
    最小二乘法基本思想及其應用
    科技視界(2016年22期)2016-10-18 17:12:13
    建模思想在數(shù)學教學中的滲透研究
    成才之路(2016年26期)2016-10-08 11:31:43
    能源總量的BP網(wǎng)絡與粒子群優(yōu)化預測
    科技視界(2016年20期)2016-09-29 11:58:53
    基于混合粒子群優(yōu)化的頻率指配方法研究
    基于混合核函數(shù)的LSSVM網(wǎng)絡入侵檢測方法
    久久久久久久久久黄片| 变态另类成人亚洲欧美熟女| 在线观看66精品国产| 国产高潮美女av| 日本黄大片高清| 亚洲人成网站在线播放欧美日韩| 成人av一区二区三区在线看| 亚洲精品粉嫩美女一区| 欧美成人a在线观看| 国产精品98久久久久久宅男小说| 中文字幕精品亚洲无线码一区| 99精品欧美一区二区三区四区| 日韩有码中文字幕| 国产精品久久久久久人妻精品电影| 久久这里只有精品中国| 亚洲精品日韩av片在线观看 | 欧美日韩精品网址| 免费一级毛片在线播放高清视频| 久久精品国产亚洲av涩爱 | 一卡2卡三卡四卡精品乱码亚洲| 中文字幕精品亚洲无线码一区| 老司机福利观看| 欧美大码av| 99热这里只有是精品50| 欧美日韩国产亚洲二区| 天堂av国产一区二区熟女人妻| 国产成人a区在线观看| av专区在线播放| 激情在线观看视频在线高清| 真人做人爱边吃奶动态| 亚洲国产欧美网| 校园春色视频在线观看| 欧美日韩一级在线毛片| av视频在线观看入口| 99精品欧美一区二区三区四区| 长腿黑丝高跟| 亚洲美女视频黄频| 少妇人妻一区二区三区视频| 亚洲国产精品999在线| 91字幕亚洲| 亚洲国产精品999在线| 国产精品香港三级国产av潘金莲| 国产精品久久久久久亚洲av鲁大| 全区人妻精品视频| 免费在线观看日本一区| 免费观看精品视频网站| av专区在线播放| 欧美最新免费一区二区三区 | 国产亚洲欧美98| 久久精品国产99精品国产亚洲性色| 黑人欧美特级aaaaaa片| 国产伦一二天堂av在线观看| 精品电影一区二区在线| 久久中文看片网| 免费看美女性在线毛片视频| 免费观看的影片在线观看| 首页视频小说图片口味搜索| 午夜久久久久精精品| 特级一级黄色大片| 人妻夜夜爽99麻豆av| 欧美午夜高清在线| 俄罗斯特黄特色一大片| 美女cb高潮喷水在线观看| 免费搜索国产男女视频| 久久人人精品亚洲av| 日本黄大片高清| 国产乱人视频| 亚洲精品一区av在线观看| 午夜免费观看网址| 欧美一区二区国产精品久久精品| 亚洲av第一区精品v没综合| www.www免费av| 一本一本综合久久| 亚洲一区高清亚洲精品| 成人18禁在线播放| 久久精品国产99精品国产亚洲性色| 中文字幕人妻熟人妻熟丝袜美 | 免费电影在线观看免费观看| 亚洲18禁久久av| 久久久国产精品麻豆| 18禁美女被吸乳视频| 精品久久久久久久毛片微露脸| 亚洲av美国av| 国产亚洲欧美在线一区二区| 他把我摸到了高潮在线观看| 一区二区三区高清视频在线| av福利片在线观看| 久久99精品国语久久久| 亚洲va在线va天堂va国产| 99久国产av精品国产电影| 国产精品久久久久久精品电影小说 | 18禁在线无遮挡免费观看视频| 亚洲四区av| 极品教师在线视频| 联通29元200g的流量卡| 波多野结衣巨乳人妻| 精品酒店卫生间| 国产爱豆传媒在线观看| 男人舔奶头视频| 五月伊人婷婷丁香| 夫妻午夜视频| 久久久色成人| 国产久久久一区二区三区| 色综合色国产| 精品人妻视频免费看| 日韩av免费高清视频| 午夜福利视频精品| 最近手机中文字幕大全| 一本久久精品| 日本欧美国产在线视频| 建设人人有责人人尽责人人享有的 | 免费看不卡的av| 熟女电影av网| eeuss影院久久| 成人特级av手机在线观看| 18禁裸乳无遮挡免费网站照片| 99热这里只有是精品在线观看| 一级爰片在线观看| 国产精品一区二区三区四区免费观看| 男女啪啪激烈高潮av片| 亚洲国产欧美在线一区| 久久精品久久精品一区二区三区| 午夜久久久久精精品| 身体一侧抽搐| 一级毛片久久久久久久久女| 国产色爽女视频免费观看| 纵有疾风起免费观看全集完整版 | 国产成人a区在线观看| av网站免费在线观看视频 | 啦啦啦韩国在线观看视频| 国产乱人视频| 欧美成人a在线观看| 真实男女啪啪啪动态图| 国产精品国产三级专区第一集| 69人妻影院| 亚洲精品乱码久久久v下载方式| 三级男女做爰猛烈吃奶摸视频| 国产精品人妻久久久影院| 国产美女午夜福利| 看十八女毛片水多多多| 国产成人福利小说| 亚洲精品国产av蜜桃| 精品国产一区二区三区久久久樱花 | 少妇的逼水好多| 亚洲乱码一区二区免费版| 日日干狠狠操夜夜爽| 午夜久久久久精精品| 国产女主播在线喷水免费视频网站 | 国产一区有黄有色的免费视频 | 日韩亚洲欧美综合| 十八禁网站网址无遮挡 | av专区在线播放| 中文欧美无线码| 久久6这里有精品| 丝袜喷水一区| 少妇人妻一区二区三区视频| 五月天丁香电影| kizo精华| 国产成人91sexporn| 国产人妻一区二区三区在| 色5月婷婷丁香| 成人国产麻豆网| 亚洲四区av| 中文资源天堂在线| 亚洲精品色激情综合| 99热6这里只有精品| 国产成人精品一,二区| 国产激情偷乱视频一区二区| 97人妻精品一区二区三区麻豆| 一区二区三区乱码不卡18| 啦啦啦韩国在线观看视频| 日韩欧美精品v在线| 欧美xxxx黑人xx丫x性爽| 精品一区二区三卡| 少妇被粗大猛烈的视频| 精品人妻熟女av久视频| 亚洲经典国产精华液单| 久久久精品欧美日韩精品| 午夜精品国产一区二区电影 | 久久久久久九九精品二区国产| 乱人视频在线观看| 乱码一卡2卡4卡精品| 亚洲精品乱码久久久久久按摩| 久久99热这里只频精品6学生| 老师上课跳d突然被开到最大视频| 亚洲激情五月婷婷啪啪| 大片免费播放器 马上看| 一级毛片aaaaaa免费看小| 国产一区二区三区av在线| 性色avwww在线观看| 成人午夜精彩视频在线观看| 亚洲av.av天堂| 秋霞在线观看毛片| 精品不卡国产一区二区三区| 亚洲精品久久午夜乱码| 可以在线观看毛片的网站| 看非洲黑人一级黄片| 成人无遮挡网站| 小蜜桃在线观看免费完整版高清| 国产伦精品一区二区三区视频9| 中文乱码字字幕精品一区二区三区 | 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 精品久久久久久成人av| 人人妻人人澡欧美一区二区| 精品久久久精品久久久| 免费看光身美女| 久久人人爽人人爽人人片va| 尤物成人国产欧美一区二区三区| 国产一区二区三区av在线| 男插女下体视频免费在线播放| 91精品一卡2卡3卡4卡| 亚洲怡红院男人天堂| 三级毛片av免费| 成人亚洲精品一区在线观看 | 亚洲真实伦在线观看| 久久午夜福利片| 精品99又大又爽又粗少妇毛片| 中文资源天堂在线| 搡老乐熟女国产| 欧美zozozo另类| 成人二区视频| 国产高清三级在线| 波野结衣二区三区在线| 午夜日本视频在线| 国产黄a三级三级三级人| 一本久久精品| 在线观看人妻少妇| 免费观看av网站的网址| 亚洲一级一片aⅴ在线观看| 一区二区三区乱码不卡18| 丝袜喷水一区| 麻豆久久精品国产亚洲av| 一级a做视频免费观看| 成人av在线播放网站| 天堂av国产一区二区熟女人妻| 亚洲精品乱码久久久久久按摩| 91久久精品国产一区二区三区| 久久99热6这里只有精品| 黄色配什么色好看| 亚洲欧洲国产日韩| 大片免费播放器 马上看| 国产一区有黄有色的免费视频 | 精品国产露脸久久av麻豆 | 国产日韩欧美在线精品| 精品国内亚洲2022精品成人| 国产午夜福利久久久久久| 一级片'在线观看视频| 日本欧美国产在线视频| 中文字幕久久专区| 日韩av在线免费看完整版不卡| 日韩强制内射视频| 国产一级毛片在线| 国产成人freesex在线| 精品国产三级普通话版| 能在线免费看毛片的网站| 精品久久久噜噜| 欧美精品一区二区大全| 国国产精品蜜臀av免费| 亚洲精品中文字幕在线视频 | 97人妻精品一区二区三区麻豆| 国产精品久久久久久精品电影小说 | 久久久久久久国产电影| 深夜a级毛片| 成年人午夜在线观看视频 | 深爱激情五月婷婷| 波多野结衣巨乳人妻| 亚洲一级一片aⅴ在线观看| 国产精品蜜桃在线观看| 国产三级在线视频| 在线 av 中文字幕| 在线天堂最新版资源| 久久精品久久精品一区二区三区| av专区在线播放| 99久久中文字幕三级久久日本| 欧美 日韩 精品 国产| 国产乱人视频| 能在线免费观看的黄片| av.在线天堂| 欧美激情在线99| 国产伦理片在线播放av一区| 搡老乐熟女国产| 亚洲三级黄色毛片| 日韩制服骚丝袜av| 免费黄网站久久成人精品| 国产三级在线视频| 国产黄色视频一区二区在线观看| 我的老师免费观看完整版| 精品久久久久久久末码| 精品酒店卫生间| 久久综合国产亚洲精品| 亚洲国产日韩欧美精品在线观看| 久久精品综合一区二区三区| 日韩电影二区| 亚洲自偷自拍三级| 尤物成人国产欧美一区二区三区| 亚洲精品成人久久久久久| 午夜激情福利司机影院| av网站免费在线观看视频 | 亚洲av二区三区四区| 午夜亚洲福利在线播放| 91精品一卡2卡3卡4卡| 国产成人福利小说| 国产午夜精品一二区理论片| 亚洲av福利一区| 亚洲av在线观看美女高潮| 日韩欧美精品v在线| 亚洲精品成人av观看孕妇| 永久免费av网站大全| 最后的刺客免费高清国语| 日韩在线高清观看一区二区三区| 国产 一区精品| 好男人视频免费观看在线| av国产免费在线观看| 久久97久久精品| 成人午夜精彩视频在线观看| 日韩制服骚丝袜av| 非洲黑人性xxxx精品又粗又长| 岛国毛片在线播放| 2018国产大陆天天弄谢| 久久99热6这里只有精品| 免费人成在线观看视频色| 亚洲精品,欧美精品| 69人妻影院| 亚洲不卡免费看| 少妇熟女aⅴ在线视频| 男女边吃奶边做爰视频| 少妇的逼水好多| 床上黄色一级片| 亚洲人成网站高清观看| 亚州av有码| 又爽又黄a免费视频| 国产精品av视频在线免费观看| 中文字幕制服av| 91av网一区二区| 天堂俺去俺来也www色官网 | 国产国拍精品亚洲av在线观看| 男女那种视频在线观看| 亚洲av福利一区| 男女那种视频在线观看| 中文精品一卡2卡3卡4更新| 极品少妇高潮喷水抽搐| 日韩大片免费观看网站| 亚洲在线自拍视频| 国产亚洲91精品色在线| 十八禁国产超污无遮挡网站| 日韩大片免费观看网站| 老师上课跳d突然被开到最大视频| 菩萨蛮人人尽说江南好唐韦庄| 欧美3d第一页| 亚洲熟女精品中文字幕| 女的被弄到高潮叫床怎么办| 国内揄拍国产精品人妻在线| 午夜福利成人在线免费观看| 草草在线视频免费看| 亚洲av电影不卡..在线观看| 亚洲欧洲国产日韩| 天堂影院成人在线观看| 97超视频在线观看视频| 亚洲在线观看片| 日韩欧美三级三区| 国产成人a区在线观看| 黑人高潮一二区| 观看免费一级毛片| 一级片'在线观看视频| 日韩视频在线欧美| 亚洲内射少妇av| 亚洲三级黄色毛片| a级毛片免费高清观看在线播放| 亚洲av中文字字幕乱码综合| 舔av片在线| 91狼人影院| 一级毛片久久久久久久久女| 少妇熟女aⅴ在线视频| 日日干狠狠操夜夜爽| 少妇熟女aⅴ在线视频| av在线播放精品| 看免费成人av毛片| 精品久久久久久久末码| 免费观看av网站的网址| 国产人妻一区二区三区在| ponron亚洲| 熟女人妻精品中文字幕| 国产黄色免费在线视频| 美女高潮的动态| 亚洲欧美精品专区久久| 国产精品久久久久久久久免| 亚洲成人中文字幕在线播放| 精品99又大又爽又粗少妇毛片| 国内揄拍国产精品人妻在线| 色尼玛亚洲综合影院| 日本wwww免费看| 精品久久久久久久久久久久久| 美女国产视频在线观看| 天堂网av新在线| 亚洲国产欧美在线一区| 欧美变态另类bdsm刘玥| 偷拍熟女少妇极品色| 熟妇人妻久久中文字幕3abv| 亚洲国产精品成人综合色| 国产精品一区二区在线观看99 | 亚洲最大成人中文| 一个人观看的视频www高清免费观看| .国产精品久久| 精品久久久精品久久久| 成人毛片60女人毛片免费| 午夜精品在线福利| 久久久久国产网址| 久久久精品欧美日韩精品| 少妇熟女欧美另类| 国产一区二区在线观看日韩| 在线免费十八禁| 99视频精品全部免费 在线| 国产精品日韩av在线免费观看| 成年av动漫网址| 精品久久久久久久久亚洲| 午夜激情福利司机影院| 日韩欧美 国产精品| 免费观看性生交大片5| 欧美一级a爱片免费观看看| av网站免费在线观看视频 | av卡一久久| 成人美女网站在线观看视频| 久久久久久九九精品二区国产| 国产精品女同一区二区软件| 亚洲天堂国产精品一区在线| 日本免费在线观看一区| 国产亚洲午夜精品一区二区久久 | 中文字幕av在线有码专区| 日韩欧美三级三区| 精品99又大又爽又粗少妇毛片| 自拍偷自拍亚洲精品老妇| 97热精品久久久久久| 伊人久久精品亚洲午夜| 国国产精品蜜臀av免费| 国产乱人偷精品视频| 亚洲av中文av极速乱| 久久人人爽人人爽人人片va| 成人美女网站在线观看视频| 综合色av麻豆| 欧美激情久久久久久爽电影| 精品久久久久久久末码| 午夜福利网站1000一区二区三区| 亚洲人与动物交配视频| 五月伊人婷婷丁香| 免费黄频网站在线观看国产| 久久久精品94久久精品| 99re6热这里在线精品视频| 丝袜美腿在线中文| 精品熟女少妇av免费看| 最近2019中文字幕mv第一页| 日韩精品青青久久久久久| 久久草成人影院| 色综合亚洲欧美另类图片| 99热这里只有是精品50| 嫩草影院精品99| 国产成人精品福利久久| 大香蕉97超碰在线| 久久久午夜欧美精品| 女的被弄到高潮叫床怎么办| 在线免费观看的www视频| 可以在线观看毛片的网站| 最近视频中文字幕2019在线8| 国产成人一区二区在线| 男女视频在线观看网站免费| 91狼人影院| 伊人久久国产一区二区| 日本色播在线视频| 韩国高清视频一区二区三区| 男的添女的下面高潮视频| 日本一二三区视频观看| 一个人看的www免费观看视频| 乱人视频在线观看| 在线观看人妻少妇| 精品久久久久久电影网| 成人亚洲精品av一区二区| 少妇人妻一区二区三区视频| 国产成人aa在线观看| 永久免费av网站大全| 男人和女人高潮做爰伦理| 欧美区成人在线视频| 精品久久久久久久末码| h日本视频在线播放| av在线播放精品| 伊人久久精品亚洲午夜| 亚洲av电影在线观看一区二区三区 | 少妇猛男粗大的猛烈进出视频 | 国产av码专区亚洲av| 欧美成人a在线观看| 白带黄色成豆腐渣| 久久99热这里只频精品6学生| 国产伦在线观看视频一区| 欧美性感艳星| 尾随美女入室| 国产精品女同一区二区软件| 亚洲性久久影院| 观看美女的网站| 不卡视频在线观看欧美| 69人妻影院| 国产一区二区三区综合在线观看 | 深爱激情五月婷婷| 国产淫语在线视频| 国产欧美另类精品又又久久亚洲欧美| 精品久久久噜噜| 亚洲av福利一区| 国产成人精品一,二区| 日韩欧美三级三区| 一级毛片aaaaaa免费看小| 国产成人免费观看mmmm| 国产成人a区在线观看| 又粗又硬又长又爽又黄的视频| 国产色婷婷99| 2018国产大陆天天弄谢| 亚洲av成人精品一区久久| 亚洲国产精品专区欧美| 亚洲欧美一区二区三区国产| 日日啪夜夜爽| 日日撸夜夜添| 午夜精品一区二区三区免费看| 一级a做视频免费观看| 18+在线观看网站| or卡值多少钱| 久久亚洲国产成人精品v| 国产综合精华液| 亚洲经典国产精华液单| 性插视频无遮挡在线免费观看| 美女脱内裤让男人舔精品视频| 在现免费观看毛片| 国产永久视频网站| 又爽又黄无遮挡网站| 男人舔女人下体高潮全视频| 又爽又黄a免费视频| 九色成人免费人妻av| 国产精品人妻久久久久久| 日本免费a在线| 看免费成人av毛片| 亚洲国产最新在线播放| 成人毛片60女人毛片免费| 免费观看的影片在线观看| 人体艺术视频欧美日本| 在现免费观看毛片| 精品人妻偷拍中文字幕| 51国产日韩欧美| 久久99精品国语久久久| 啦啦啦啦在线视频资源| av在线观看视频网站免费| 99热6这里只有精品| 国产av在哪里看| 99热这里只有是精品在线观看| 欧美日韩在线观看h| 女的被弄到高潮叫床怎么办| 热99在线观看视频| 精品久久久久久久久久久久久| 99热网站在线观看| 真实男女啪啪啪动态图| 777米奇影视久久| 日韩欧美一区视频在线观看 | 国产精品精品国产色婷婷| 久久精品国产亚洲av涩爱| 亚洲aⅴ乱码一区二区在线播放| 老司机影院毛片| 国产亚洲av嫩草精品影院| 亚洲av日韩在线播放| 日韩 亚洲 欧美在线| 街头女战士在线观看网站| 亚洲国产成人一精品久久久| 五月伊人婷婷丁香| 男女那种视频在线观看| av在线播放精品| 久久热精品热| av线在线观看网站| 18禁在线播放成人免费| 日本黄大片高清| 99热这里只有精品一区| 亚洲最大成人av| 亚洲国产高清在线一区二区三| 91精品国产九色| 麻豆国产97在线/欧美| 免费av不卡在线播放| 天堂俺去俺来也www色官网 | 伊人久久国产一区二区| 18禁在线播放成人免费| 精品一区二区三区人妻视频| 中文字幕亚洲精品专区| 亚洲精品国产成人久久av| 国产有黄有色有爽视频| 极品教师在线视频| 色综合站精品国产| 精品不卡国产一区二区三区| 亚洲精品456在线播放app| 精品久久国产蜜桃| 人人妻人人澡人人爽人人夜夜 | 精品人妻偷拍中文字幕| 精品人妻一区二区三区麻豆| 视频中文字幕在线观看| 22中文网久久字幕| 中文字幕人妻熟人妻熟丝袜美| 搡老妇女老女人老熟妇| 久久久亚洲精品成人影院| 日韩欧美国产在线观看| 69人妻影院| 男人舔奶头视频| 久久久a久久爽久久v久久| 成人午夜高清在线视频| 国产黄色免费在线视频| 亚洲在线自拍视频| av卡一久久| 国产真实伦视频高清在线观看| 亚洲丝袜综合中文字幕| 最后的刺客免费高清国语| 婷婷色综合大香蕉| 国产成人午夜福利电影在线观看| 国内精品宾馆在线| 九九久久精品国产亚洲av麻豆| 欧美+日韩+精品| 水蜜桃什么品种好|