• <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
    成年美女黄网站色视频大全免费| 无遮挡黄片免费观看| 亚洲欧美激情在线| 亚洲精品中文字幕在线视频| 一区二区三区激情视频| 欧美成人午夜精品| 国产精品一二三区在线看| 欧美成人午夜精品| 欧美成人精品欧美一级黄| 婷婷色av中文字幕| 曰老女人黄片| 美女国产高潮福利片在线看| 一级爰片在线观看| 免费女性裸体啪啪无遮挡网站| 人人妻人人澡人人看| 欧美久久黑人一区二区| 婷婷成人精品国产| 岛国毛片在线播放| 亚洲国产av影院在线观看| 看免费av毛片| 国产成人欧美| 在线天堂中文资源库| 亚洲国产欧美一区二区综合| 美女扒开内裤让男人捅视频| 五月天丁香电影| 精品亚洲成国产av| 免费观看人在逋| 女人精品久久久久毛片| av国产久精品久网站免费入址| 女的被弄到高潮叫床怎么办| 看十八女毛片水多多多| 99精品久久久久人妻精品| 丰满迷人的少妇在线观看| 亚洲欧美一区二区三区国产| 欧美老熟妇乱子伦牲交| 欧美日韩视频精品一区| 日日摸夜夜添夜夜爱| 国产精品久久久久久精品古装| 亚洲视频免费观看视频| 中文欧美无线码| 久久ye,这里只有精品| 亚洲欧美中文字幕日韩二区| 久久毛片免费看一区二区三区| a级毛片在线看网站| av网站在线播放免费| 老司机深夜福利视频在线观看 | 久久久久网色| 男人添女人高潮全过程视频| 一级,二级,三级黄色视频| 在线观看三级黄色| 在现免费观看毛片| 80岁老熟妇乱子伦牲交| 国产精品成人在线| 国产99久久九九免费精品| 久久久久久免费高清国产稀缺| 亚洲精品一二三| 成人毛片60女人毛片免费| 日韩大片免费观看网站| 中文乱码字字幕精品一区二区三区| tube8黄色片| 香蕉丝袜av| 人人妻人人澡人人看| 日本av手机在线免费观看| 久久久久国产精品人妻一区二区| 久久国产精品男人的天堂亚洲| 国产av精品麻豆| 国产一区二区在线观看av| 中文字幕高清在线视频| 午夜影院在线不卡| 男女边摸边吃奶| 美女扒开内裤让男人捅视频| 超碰97精品在线观看| 欧美黑人欧美精品刺激| 69精品国产乱码久久久| 午夜91福利影院| 午夜福利视频在线观看免费| 亚洲国产精品一区二区三区在线| 欧美国产精品一级二级三级| 蜜桃国产av成人99| 老司机影院毛片| 极品人妻少妇av视频| 王馨瑶露胸无遮挡在线观看| 日韩视频在线欧美| 久久天躁狠狠躁夜夜2o2o | 丝袜脚勾引网站| 男女无遮挡免费网站观看| 亚洲精品aⅴ在线观看| 亚洲精品国产一区二区精华液| 国产精品99久久99久久久不卡 | 久久久久久久精品精品| 亚洲精品一区蜜桃| 精品国产乱码久久久久久男人| 日韩大片免费观看网站| 国产亚洲av高清不卡| 宅男免费午夜| 日韩不卡一区二区三区视频在线| 日本欧美国产在线视频| 欧美老熟妇乱子伦牲交| 国产 一区精品| 啦啦啦中文免费视频观看日本| 欧美日韩亚洲高清精品| 亚洲国产精品一区二区三区在线| 精品一区二区三区av网在线观看 | 日韩欧美精品免费久久| 日韩精品免费视频一区二区三区| 中文欧美无线码| 日日摸夜夜添夜夜爱| 亚洲少妇的诱惑av| 日韩人妻精品一区2区三区| av一本久久久久| 亚洲欧美激情在线| 99国产综合亚洲精品| 国产精品亚洲av一区麻豆 | 国产精品一国产av| 亚洲欧美一区二区三区久久| 久久狼人影院| 黄片无遮挡物在线观看| 99九九在线精品视频| 国产免费又黄又爽又色| av在线观看视频网站免费| 观看美女的网站| 亚洲国产成人一精品久久久| 亚洲欧美一区二区三区黑人| 精品第一国产精品| 亚洲少妇的诱惑av| 日韩人妻精品一区2区三区| 黑人欧美特级aaaaaa片| 亚洲少妇的诱惑av| 男的添女的下面高潮视频| 激情五月婷婷亚洲| 亚洲精品国产av蜜桃| 国产男女超爽视频在线观看| 久久久久精品国产欧美久久久 | 久久99热这里只频精品6学生| 韩国精品一区二区三区| 天天操日日干夜夜撸| 久久久精品94久久精品| 成年av动漫网址| 国产av码专区亚洲av| 亚洲av福利一区| 一二三四在线观看免费中文在| 亚洲国产精品999| 99精品久久久久人妻精品| 国语对白做爰xxxⅹ性视频网站| 亚洲欧美色中文字幕在线| 国产精品久久久久久人妻精品电影 | 欧美日韩亚洲高清精品| 满18在线观看网站| 国产99久久九九免费精品| 极品少妇高潮喷水抽搐| 丝袜人妻中文字幕| 好男人视频免费观看在线| 美女午夜性视频免费| 午夜日本视频在线| av电影中文网址| 精品一品国产午夜福利视频| 在线观看免费午夜福利视频| 美女国产高潮福利片在线看| 人人妻人人爽人人添夜夜欢视频| xxx大片免费视频| 黄网站色视频无遮挡免费观看| 在线天堂中文资源库| 亚洲成国产人片在线观看| 日韩 亚洲 欧美在线| 亚洲男人天堂网一区| 亚洲av成人精品一二三区| a级毛片黄视频| 黄片小视频在线播放| 国产麻豆69| 国产老妇伦熟女老妇高清| 国产不卡av网站在线观看| 婷婷色综合大香蕉| 9热在线视频观看99| 亚洲成av片中文字幕在线观看| 久久久精品国产亚洲av高清涩受| 侵犯人妻中文字幕一二三四区| 国产在线视频一区二区| 高清av免费在线| 黄色 视频免费看| 色网站视频免费| 欧美少妇被猛烈插入视频| 999精品在线视频| 亚洲av电影在线进入| 久久久国产一区二区| 另类精品久久| 亚洲国产精品一区二区三区在线| 少妇猛男粗大的猛烈进出视频| 国产又爽黄色视频| av福利片在线| 亚洲精品第二区| 亚洲av电影在线进入| 国产精品 欧美亚洲| 如何舔出高潮| av网站免费在线观看视频| 人人妻人人添人人爽欧美一区卜| 国产色婷婷99| 国产欧美日韩综合在线一区二区| 777久久人妻少妇嫩草av网站| 91精品三级在线观看| 一本色道久久久久久精品综合| 在线免费观看不下载黄p国产| 国产在线免费精品| 午夜激情久久久久久久| 日韩制服丝袜自拍偷拍| 只有这里有精品99| 亚洲欧美中文字幕日韩二区| 精品国产露脸久久av麻豆| 搡老乐熟女国产| 久久精品国产a三级三级三级| 日韩av不卡免费在线播放| 亚洲,一卡二卡三卡| 亚洲国产毛片av蜜桃av| 操出白浆在线播放| 麻豆乱淫一区二区| 国产精品久久久久久人妻精品电影 | 久久精品aⅴ一区二区三区四区| 哪个播放器可以免费观看大片| 国产精品嫩草影院av在线观看| 午夜福利,免费看| 少妇的丰满在线观看| 亚洲精品中文字幕在线视频| 视频在线观看一区二区三区| 老司机深夜福利视频在线观看 | 国产av一区二区精品久久| 操出白浆在线播放| 在线免费观看不下载黄p国产| 免费高清在线观看日韩| 一区二区三区四区激情视频| 欧美激情 高清一区二区三区| 色婷婷av一区二区三区视频| 少妇人妻精品综合一区二区| 男女之事视频高清在线观看 | 婷婷色综合www| 免费在线观看完整版高清| 日韩中文字幕视频在线看片| 18禁观看日本| 一区二区三区精品91| 午夜福利影视在线免费观看| 欧美激情极品国产一区二区三区| 久久久久久久久免费视频了| 国产精品麻豆人妻色哟哟久久| 久久精品亚洲av国产电影网| 狂野欧美激情性bbbbbb| 亚洲一码二码三码区别大吗| av国产久精品久网站免费入址| 欧美老熟妇乱子伦牲交| svipshipincom国产片| 亚洲图色成人| 桃花免费在线播放| 在线亚洲精品国产二区图片欧美| 免费人妻精品一区二区三区视频| 免费在线观看视频国产中文字幕亚洲 | 麻豆乱淫一区二区| 久久免费观看电影| 久久精品亚洲熟妇少妇任你| 久久国产精品大桥未久av| 免费av中文字幕在线| 乱人伦中国视频| 欧美日韩成人在线一区二区| 最近的中文字幕免费完整| 精品国产露脸久久av麻豆| 久久青草综合色| 久久精品aⅴ一区二区三区四区| 免费不卡黄色视频| 999久久久国产精品视频| 丝袜人妻中文字幕| 久久久久国产精品人妻一区二区| 天天操日日干夜夜撸| 亚洲国产最新在线播放| 午夜福利免费观看在线| 校园人妻丝袜中文字幕| 一本一本久久a久久精品综合妖精| 中国三级夫妇交换| 亚洲图色成人| 久久久久精品久久久久真实原创| 天堂俺去俺来也www色官网| 制服丝袜香蕉在线| 美国免费a级毛片| 国产一区二区激情短视频 | 熟女少妇亚洲综合色aaa.| 亚洲美女搞黄在线观看| 哪个播放器可以免费观看大片| 一二三四在线观看免费中文在| 狠狠婷婷综合久久久久久88av| 国产99久久九九免费精品| 另类亚洲欧美激情| 免费久久久久久久精品成人欧美视频| 国产xxxxx性猛交| 国产成人91sexporn| 性色av一级| 纵有疾风起免费观看全集完整版| 天天躁日日躁夜夜躁夜夜| 亚洲在久久综合| √禁漫天堂资源中文www| 新久久久久国产一级毛片| 精品国产乱码久久久久久小说| 亚洲精品成人av观看孕妇| 男女之事视频高清在线观看 | 最近的中文字幕免费完整| 成年美女黄网站色视频大全免费| 又黄又粗又硬又大视频| 99精国产麻豆久久婷婷| 日韩欧美精品免费久久| 最近中文字幕2019免费版| 国产1区2区3区精品| 黄片小视频在线播放| 夫妻午夜视频| 在线观看免费视频网站a站| 狂野欧美激情性xxxx| 亚洲伊人色综图| 亚洲色图 男人天堂 中文字幕| 秋霞在线观看毛片| av在线观看视频网站免费| 国产黄色视频一区二区在线观看| 欧美在线一区亚洲| 五月天丁香电影| 免费观看人在逋| 午夜91福利影院| 成人亚洲精品一区在线观看| 国产免费视频播放在线视频| 亚洲久久久国产精品| 久久ye,这里只有精品| 一区福利在线观看| 熟女少妇亚洲综合色aaa.| 午夜影院在线不卡| 亚洲综合色网址| 新久久久久国产一级毛片| 少妇人妻 视频| 中文字幕制服av| 国产精品一国产av| 国产成人欧美| 日韩伦理黄色片| 久久久久久免费高清国产稀缺| 日韩大码丰满熟妇| 国产日韩欧美视频二区| 丝袜人妻中文字幕| 丰满饥渴人妻一区二区三| 丝袜人妻中文字幕| 精品国产超薄肉色丝袜足j| 日韩大码丰满熟妇| 啦啦啦啦在线视频资源| 亚洲美女黄色视频免费看| 国产乱来视频区| 电影成人av| 色婷婷久久久亚洲欧美| 精品福利永久在线观看| 下体分泌物呈黄色| 一级片免费观看大全| 国产精品久久久久久精品电影小说| 叶爱在线成人免费视频播放| 欧美 亚洲 国产 日韩一| 精品国产乱码久久久久久男人| 丰满少妇做爰视频| 国产av码专区亚洲av| 天天躁日日躁夜夜躁夜夜| 大陆偷拍与自拍| 99久久99久久久精品蜜桃| 精品酒店卫生间| 久久久久久久精品精品| 国产精品.久久久| 91精品国产国语对白视频| 亚洲中文av在线| 91精品国产国语对白视频| 五月开心婷婷网| 啦啦啦中文免费视频观看日本| 精品人妻熟女毛片av久久网站| 青春草亚洲视频在线观看| 亚洲精品一二三| 成人18禁高潮啪啪吃奶动态图| 亚洲欧美成人精品一区二区| 欧美久久黑人一区二区| 久久鲁丝午夜福利片| 啦啦啦在线免费观看视频4| 黄色一级大片看看| 男男h啪啪无遮挡| 美女高潮到喷水免费观看| 午夜福利视频精品| 夫妻性生交免费视频一级片| 一级毛片我不卡| 黑丝袜美女国产一区| 天天躁日日躁夜夜躁夜夜| 国产精品av久久久久免费| 欧美日韩国产mv在线观看视频| 免费高清在线观看日韩| 2021少妇久久久久久久久久久| 香蕉丝袜av| 日本欧美国产在线视频| 久久免费观看电影| 久久精品久久久久久久性| 制服诱惑二区| 韩国精品一区二区三区| 一级毛片 在线播放| av在线app专区| 国产成人欧美在线观看 | 男女床上黄色一级片免费看| 少妇的丰满在线观看| 午夜福利影视在线免费观看| 大片免费播放器 马上看| 午夜精品国产一区二区电影| 五月开心婷婷网| 一级片'在线观看视频| 激情视频va一区二区三区| 五月开心婷婷网| 熟女少妇亚洲综合色aaa.| 亚洲精品一区蜜桃| 男人操女人黄网站| 久久久久精品性色| 久久精品人人爽人人爽视色| 久久影院123| 精品国产一区二区三区四区第35| 欧美日韩福利视频一区二区| 黄色视频在线播放观看不卡| 亚洲视频免费观看视频| 亚洲国产欧美在线一区| 亚洲图色成人| 欧美精品一区二区免费开放| 亚洲精品日本国产第一区| av有码第一页| 观看美女的网站| kizo精华| 日本猛色少妇xxxxx猛交久久| 国产亚洲精品第一综合不卡| 观看av在线不卡| 欧美 日韩 精品 国产| 国产麻豆69| 一级爰片在线观看| 国产精品久久久久久久久免| 国产极品粉嫩免费观看在线| 亚洲少妇的诱惑av| 欧美中文综合在线视频| 亚洲久久久国产精品| 91精品国产国语对白视频| 叶爱在线成人免费视频播放| 国产 精品1| 婷婷色麻豆天堂久久| 一区二区三区激情视频| 亚洲美女视频黄频| 男人添女人高潮全过程视频| 亚洲国产精品一区三区| 成人亚洲精品一区在线观看| 亚洲精品日本国产第一区| 这个男人来自地球电影免费观看 | 一区二区三区精品91| 久久久久久久大尺度免费视频| 国产精品一国产av| 十八禁高潮呻吟视频| 亚洲成国产人片在线观看| 日韩欧美一区视频在线观看| 欧美久久黑人一区二区| 国产精品一区二区在线观看99| 免费在线观看黄色视频的| 久久精品国产a三级三级三级| 各种免费的搞黄视频| 国产av一区二区精品久久| 日韩成人av中文字幕在线观看| 精品酒店卫生间| 婷婷色综合www| a级毛片在线看网站| 国产精品久久久久久精品古装| 国产精品秋霞免费鲁丝片| 日本欧美视频一区| 免费久久久久久久精品成人欧美视频| 99re6热这里在线精品视频| 嫩草影院入口| 国产福利在线免费观看视频| 国产无遮挡羞羞视频在线观看| 99热国产这里只有精品6| 十八禁高潮呻吟视频| 日韩av免费高清视频| a级片在线免费高清观看视频| 国产99久久九九免费精品| 国产熟女欧美一区二区| 最近2019中文字幕mv第一页| 欧美日韩一级在线毛片| 天天躁狠狠躁夜夜躁狠狠躁| 久久久久人妻精品一区果冻| 五月开心婷婷网| 欧美国产精品va在线观看不卡| 汤姆久久久久久久影院中文字幕| 纯流量卡能插随身wifi吗| 亚洲免费av在线视频| 两个人免费观看高清视频| 久久99热这里只频精品6学生| 欧美日韩亚洲综合一区二区三区_| 九色亚洲精品在线播放| av免费观看日本| 亚洲少妇的诱惑av| 亚洲精品国产色婷婷电影| 美女高潮到喷水免费观看| 国产精品嫩草影院av在线观看| 国产精品偷伦视频观看了| 熟妇人妻不卡中文字幕| www.精华液| 亚洲国产日韩一区二区| 中文字幕精品免费在线观看视频| 只有这里有精品99| av在线app专区| av一本久久久久| 日韩熟女老妇一区二区性免费视频| 在线 av 中文字幕| 欧美日韩成人在线一区二区| 亚洲少妇的诱惑av| 搡老乐熟女国产| 波野结衣二区三区在线| 欧美日韩av久久| 看非洲黑人一级黄片| 欧美在线黄色| 我的亚洲天堂| 中文字幕另类日韩欧美亚洲嫩草| 黄网站色视频无遮挡免费观看| 极品人妻少妇av视频| av视频免费观看在线观看| 国产99久久九九免费精品| 亚洲欧美精品自产自拍| 999精品在线视频| 爱豆传媒免费全集在线观看| 欧美人与善性xxx| 亚洲国产最新在线播放| 亚洲精品视频女| 亚洲av成人不卡在线观看播放网 | 操美女的视频在线观看| 国产精品久久久人人做人人爽| 国精品久久久久久国模美| 久久99一区二区三区| 在线观看www视频免费| 中国三级夫妇交换| 人人妻人人爽人人添夜夜欢视频| 欧美人与性动交α欧美软件| 久久99精品国语久久久| 日日啪夜夜爽| 伦理电影免费视频| 国产男女超爽视频在线观看| 亚洲欧美激情在线| 国产精品亚洲av一区麻豆 | 午夜福利影视在线免费观看| 久久精品亚洲av国产电影网| 少妇精品久久久久久久| 日本av手机在线免费观看| 久久精品国产亚洲av高清一级| 老汉色∧v一级毛片| 国产男人的电影天堂91| 看免费成人av毛片| 国产老妇伦熟女老妇高清| av福利片在线| 人妻 亚洲 视频| 色播在线永久视频| 1024视频免费在线观看| 丝瓜视频免费看黄片| 亚洲精品国产色婷婷电影| 国产高清不卡午夜福利| 一区二区三区激情视频| 精品午夜福利在线看| 国产精品二区激情视频| 超碰成人久久| 少妇被粗大猛烈的视频| 午夜福利一区二区在线看| 好男人视频免费观看在线| 亚洲人成电影观看| 97在线人人人人妻| 青青草视频在线视频观看| 久久精品国产亚洲av高清一级| 亚洲av综合色区一区| 国产精品人妻久久久影院| 日韩,欧美,国产一区二区三区| 免费日韩欧美在线观看| 操出白浆在线播放| 久久精品aⅴ一区二区三区四区| 嫩草影院入口| 在线观看免费日韩欧美大片| 久久久国产欧美日韩av| 精品一区二区三区av网在线观看 | 亚洲精品国产av成人精品| 国产精品无大码| 男人添女人高潮全过程视频| 男男h啪啪无遮挡| 免费高清在线观看视频在线观看| 男女午夜视频在线观看| 国产一区二区 视频在线| 肉色欧美久久久久久久蜜桃| 婷婷色av中文字幕| 国产激情久久老熟女| 日韩熟女老妇一区二区性免费视频| 亚洲五月色婷婷综合| 各种免费的搞黄视频| 岛国毛片在线播放| 秋霞在线观看毛片| av又黄又爽大尺度在线免费看| av有码第一页| 麻豆乱淫一区二区| 在线观看三级黄色| 成人亚洲精品一区在线观看| 青春草国产在线视频| 自拍欧美九色日韩亚洲蝌蚪91| 在线天堂中文资源库| 免费黄色在线免费观看| 一级毛片 在线播放| 亚洲国产日韩一区二区| 少妇人妻精品综合一区二区| 各种免费的搞黄视频| 美女高潮到喷水免费观看| 国产乱来视频区| 久久久国产一区二区| 成人亚洲欧美一区二区av| 国产亚洲一区二区精品| 日韩av免费高清视频| 最近中文字幕2019免费版| 欧美成人精品欧美一级黄| 亚洲精品国产色婷婷电影| 大话2 男鬼变身卡| 人人妻,人人澡人人爽秒播 | 亚洲综合精品二区| 成人黄色视频免费在线看| 少妇被粗大的猛进出69影院| 欧美 亚洲 国产 日韩一| 亚洲欧美成人综合另类久久久|