• <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LS-SVM和核密度估計的概率性風電功率預測

    2020-01-03 01:34:30
    計算機測量與控制 2019年12期
    關(guān)鍵詞:密度估計電功率置信區(qū)間

    (哈爾濱工業(yè)大學 自動化測試與控制研究所,哈爾濱 150080)

    0 引言

    目前,我國已成為世界上第一大能源消費國,在能源消費結(jié)構(gòu)中煤炭占比最大,這使我國面臨著巨大的環(huán)境壓力,發(fā)展綠色能源顯得尤為重要。我國的風能資源非常豐富,風電建設(shè)在我國的能源發(fā)展格局中有著舉足輕重的地位。但風速的不穩(wěn)定性和間歇性使風電功率也具有同樣的性質(zhì),這給風電功率注入電網(wǎng)帶來了巨大的挑戰(zhàn),直接影響我國風電發(fā)展的進程。因此,風電功率預測一直都是研究的熱門領(lǐng)域[1]。

    風電功率預測方法按照預測結(jié)果的形式可以分為確定性預測和概率性預測。確定性預測僅給出預測點的信息,不能描繪風電功率的不穩(wěn)定性。而概率性預測可以提供預測點的誤差信息,在應用層面,這對電網(wǎng)運行調(diào)度、規(guī)劃和穩(wěn)定性分析有重要作用。

    風電功率概率性預測主要有兩類方法,一是對現(xiàn)有確定性預測模型的誤差進行擬合獲得其密度函數(shù),二是直接對變量進行概率性預測[2]。文獻[3]中在ARMA(Autoregressive Moving Average Model)和SVM(Support Vector Machine)兩種確定性預測模型的基礎(chǔ)上,實現(xiàn)了基于分位數(shù)的概率性預測方法[3]。文獻[4]中使用了小波閾值去噪和遞歸神經(jīng)網(wǎng)絡(luò)作為風速預測的子模型,從子模型中獲得方差,然后計算概率性預測的預測區(qū)間,其中方差包括了建模和預測的不確定性[4]。文獻[5]中提出了一種新的多模型組合概率風電預測方法,以利用不同預測模型的優(yōu)勢,這些模型提供不同類型的概率密度函數(shù)以提高概率預測的性能?;谙∈柝惾~斯學習、核密度估計和β分布擬合3個概率預測模型,用于形成組合模型[5]。本文采用第一種概率性預測方法,在LS-SVM(Least Squares Support Vector Machines)確定性預測模型的基礎(chǔ)上,應用核密度估計法對模型的誤差進行密度估計,實現(xiàn)風電功率概率性預測。

    1 研究方法的基本原理

    1.1 LS-SVM的基本原理

    支持向量機(SVM)是一個十分出色的機器學習算法,它成功的解決了一系列難題,例如高維和局部極小值問題等[6]。

    為了解決支持向量機模型在處理大數(shù)據(jù)集時優(yōu)化困難的問題,LS-SVM算法在SVM算法的基礎(chǔ)上稍作改進,在優(yōu)化時引入了誤差的平方項,并用正則化參數(shù)γ來調(diào)節(jié)對誤差項的懲罰力度,使不等式約束變成了等式約束,降低了LS-SVM模型計算的復雜性。

    在LS-SVM中,回歸問題對應的優(yōu)化式為:

    (1)

    其中:ei為估計誤差,γ為正則化參數(shù)。

    約束條件為:

    |wTφ(xi)+ξ+ei|<ε

    (2)

    其中:φ(x)是非線性函數(shù)。

    其拉格朗日函數(shù)如下:

    L(w,b,e,α)=

    (3)

    對拉格朗日函數(shù)各參數(shù)求偏導數(shù)有:

    (4)

    整理成矩陣形式可得:

    (5)

    (6)

    所得LS-SVM模型預測函數(shù)為:

    (7)

    1.2 核密度估計法

    對樣本數(shù)據(jù)分析時,一般用密度函數(shù)和分布函數(shù)來描述樣本數(shù)據(jù)分布的特點。一些特點類型的樣本數(shù)據(jù),有足夠的經(jīng)驗可以說明其數(shù)據(jù)分布的特征,若密度函數(shù)形式已知,可以利用樣本數(shù)據(jù)估計出密度函數(shù)的具體參數(shù),這種方法稱為參數(shù)估計法。但當密度函數(shù)形式未知,用參數(shù)估計法就無從下手了,這種情況下就可以用非參數(shù)估計方法對樣本數(shù)據(jù)的密度函數(shù)進行估計。

    非參數(shù)估計方法不依賴假定的密度函數(shù)形式,可以被用于估計多種類型數(shù)據(jù)的密度函數(shù),例如非正態(tài)數(shù)據(jù)、重尾數(shù)據(jù)等[7]?;镜姆菂?shù)估計方法有直方圖估計法、核密度估計法、近鄰估計法、序列估計法等。下面簡要介紹核密度估計法的基本原理:

    假設(shè)有一組一維離散隨機樣本,其密度函數(shù)f(x)和分布函數(shù)F(x)形式未知,則有:

    (8)

    其中:h是核密度估計的帶寬(窗口)。

    一個常用的經(jīng)驗布函數(shù)為:

    (9)

    其中:I(x)為核函數(shù)。

    將Fn(x)代入式(8),則密度函數(shù)的估計為:

    (10)

    計算fn(x)的方差和均值,當h→0且nh→∞時有:方差趨于0,而均值趨于f(x),說明fn(x)對f(x)的估計是準確的。

    (11)

    其中:u為核函數(shù)寬度。

    由公式(9)可知,核密度函數(shù)估計是一個加權(quán)和,在進行加權(quán)求和時,對處于區(qū)間[x-h,x+h]中的樣本點賦予同樣的權(quán)重。這樣的處理實際上是不合理的,因為在估計X在x點處的密度f(x)時,離x越近的樣本點提供的關(guān)于f(x)的信息越多。因此,在定義f(x)的估計時,就要對距離x較近的點賦予較大的權(quán)值,對距離x較遠的點賦予較小的權(quán)值,可以選取不同的核函數(shù)來決定各點的權(quán)值。

    2 基于LS-SVM和核密度估計的預測模型

    風電功率預測按照預測方法的結(jié)果可以分為確定性預測和概率性預測。確定性預測的主要不足是預測結(jié)果中沒有提供任何關(guān)于預測值預測誤差的信息,限制了這類方法在實際中的應用。而概率性預測則可以為每個預測量提供一個預測區(qū)間,彌補了確定性預測的不足。

    本文在LS-SVM確定性預測模型基礎(chǔ)上,利用核密度估計方法計算確定性預測模型誤差的分布函數(shù),實現(xiàn)了風電功率的概率性預測,概率性預測模型的算法框圖如圖1所示。

    圖1 整體算法框架

    2.1 基于LS-SVM的確定性預測模型

    在LS-SVM預測模型進行時間序列預測之前,需要對輸入時間序列進行相空間重構(gòu)得到輸入向量。構(gòu)造的輸入向量不僅關(guān)系到模型的復雜度,而且會影響到模型的預測精度。

    重構(gòu)得到的輸入向量并不能直接作為模型的輸入,因為原始數(shù)據(jù)的范圍變化較大,有些數(shù)據(jù)可能會使模型內(nèi)部函數(shù)飽和從而影響模型的預測精度,所以輸入向量需要歸一化處理后才能輸入模型。預測得到的預測值經(jīng)過反歸一化后,才能得到實際的預測值。

    在模型構(gòu)建的過程中需要選擇核函數(shù),常見的核函數(shù)有Sigmoid核函數(shù)、多項式核函數(shù)、徑向基RBF(Radial Basis Function)核函數(shù)等[8]。本文選取RBF核函數(shù)。另外,超參數(shù)的選擇也是構(gòu)建模型的重點,需要設(shè)定的超參數(shù)有正則化參數(shù)γ和核函數(shù)參數(shù)σ。γ稱作懲罰因子,決定對誤差平方項的懲罰力度,關(guān)系到模型的訓練誤差和泛化能力。在實際應用中σ和γ的偏大或者偏小都會引起模型的過學習或欠學習現(xiàn)象,因此選擇合理的超參數(shù)非常重要。

    本文采用網(wǎng)格搜索法來確定超參數(shù),利用此方法可以得到全局范圍內(nèi)的最優(yōu)解[9]。具體步驟如下:

    1) 設(shè)定兩個參數(shù)的選擇范圍和步長。

    2)設(shè)定初始化參數(shù),移動網(wǎng)格交點在每一處交點建立模型,計算得模型的平均絕對誤差MAE。

    3) 搜索完畢后選取計算指標最優(yōu)的一組參數(shù)作為模型的超參數(shù)。

    在模型建立完成之后,需要在訓練集上訓練模型,得到支持向量alpha和偏移參數(shù)b,構(gòu)造決策函數(shù),確定風電功率確定性預測模型。

    2.2 基于核密度估計的概率性預測模型

    在確定性預測的基礎(chǔ)上,通過對確定性預測模型誤差密度函數(shù)的估計,應用概率論理論可以計算任意置信度下的置信區(qū)間。

    對不同的風電功率區(qū)段,風電功率確定性預測模型的誤差分布的范圍有明顯區(qū)別。因此,需要將風電功率進行分區(qū),對不同的分區(qū)分別計算誤差概率密度曲線和各功率區(qū)間的置信區(qū)間[10],實現(xiàn)全功率段的概率性預測。

    假設(shè)風電功率值的最大值為Pmax、最小值為Pmin、區(qū)間長度為ΔP,分區(qū)數(shù)n為:

    n=(Pmax-Pmin)/ΔP+1

    (12)

    初步區(qū)間劃分后,有時會出現(xiàn)某些分區(qū)樣本點不足的情況,這樣所得到的誤差密度分布不能準確地反映誤差的實際分布情況。這時需要將相鄰的樣本點較少的區(qū)間合并,直到合并區(qū)間的誤差樣本點達到數(shù)量要求。

    應用核密度估計法計算各區(qū)間的誤差概率密度函數(shù):

    (13)

    其中:ei為LS-SVM模型預測誤差樣本,N為樣本總數(shù),K(x)為核函數(shù),h為帶寬。

    對密度函數(shù)積分可得分布函數(shù),設(shè)定置信度α,使下式成立:

    P(xmin

    (14)

    則[xmin,xmax]為該功率區(qū)間的置信區(qū)間。依次對每個功率區(qū)間進行以上步驟可得全功率段的置信區(qū)間。最后,將每個預測點的上下限分別于相鄰的點上下限相連即可得到整個時段的概率性預測結(jié)果[11]。

    3 實驗結(jié)果與分析

    3.1 實驗數(shù)據(jù)

    本文的實驗數(shù)據(jù)來自比利時Elia公司AggregateBelgian風電場,其中記錄了該風電場2018年2月28日至2018年3月29日期間的共2974個數(shù)據(jù)點,時間間隔為15分鐘。

    圖2 風電功率實驗數(shù)據(jù)

    從圖2可以看出,實驗數(shù)據(jù)存在數(shù)據(jù)缺失的情況,表現(xiàn)為數(shù)據(jù)中出現(xiàn)連續(xù)的0值,這些值將會對預測算法產(chǎn)生影響;因此,在預測實現(xiàn)之前,必須對這些缺失值進行插值處理。將預處理后的實驗數(shù)據(jù)中的前2000個作為模型訓練數(shù)據(jù),后974個作為測試數(shù)據(jù)。

    3.2 基于LS-SVM和核密度的概率性預測驗證

    使用該預測模型,對測試數(shù)據(jù)中的974個數(shù)據(jù)點進行預測,得到974個誤差樣本。將風電功率的范圍等分為4個區(qū)間,分別為[0,500]、[500,1000]、[1000,1500]、[1500,2000],對各區(qū)段的誤差樣本分別求取概率密度函數(shù),如圖3所示。

    圖3 各功率區(qū)間誤差樣本概率密度圖

    給定置信度為0.9,則所得各分區(qū)的置信區(qū)間為:

    1)功率區(qū)間[0,500]的置信區(qū)間為[-75,75];

    2)功率區(qū)間[500,1000]的置信區(qū)間為[-150,150];

    3)功率區(qū)間[1000,1500]的置信區(qū)間[-125,125];

    4)功率區(qū)間[1500,2000]的置信區(qū)間為[-100,100]。

    圖4 概率性預測結(jié)果(置信度為0.9)

    給定置信度為0.7,則所得各分區(qū)的置信區(qū)間為:

    1) 功率區(qū)間[0,500]的置信區(qū)間為[-52.5,52.5];

    2) 功率區(qū)間[500,1000]的置信區(qū)間為[-105,105];

    3) 功率區(qū)間[1000,1500]的置信區(qū)間[-87.5,87.5];

    4) 功率區(qū)間[1500,2000]的置信區(qū)間為[-70,70]。

    由圖5可以看出,區(qū)間預測中置信度為0.9的結(jié)果中兩條包絡(luò)線完全將實際功率曲線包在中間,而置信度取0.7時,則有一點越過了下包絡(luò)線,這就說明合理的選取置信度十分關(guān)鍵。置信度的選擇直接決定預測區(qū)間包括真值概率的大小。另外,由于在不同功率區(qū)段預測的精度不同,因此可以在不同的功率區(qū)段內(nèi)可以采用不同的置信度,從而提高概率性預測的整體性能[11]。

    圖5 概率性預測結(jié)果(置信度0.7)

    3.3 對比實驗

    為了驗證LS-SVM模型的預測精度,采用ARMA模型和BP神經(jīng)網(wǎng)絡(luò)模型的預測結(jié)果進行對比。

    采用AIC(Akaike Information Criterion)準則[12]確定模型階數(shù)為p=6,q=10。經(jīng)檢驗一次差分后,原先不平穩(wěn)的時間序列變?yōu)槠椒€(wěn)的時間序列,將差分后的時間序列代入模型得到的預測結(jié)果如圖6所示。

    圖6 ARMA預測模型的實驗結(jié)果

    以上實驗結(jié)果說明使用ARMA線性建模方法對非線性的風電功率時間序列進行預測的效果不佳。

    設(shè)定學習次數(shù)為5000,學習速率為0.02,訓練的誤差精度為0.01,得到的BP神經(jīng)網(wǎng)絡(luò)預測結(jié)果[13]如圖7所示。

    用LS-SVM模型、BP神經(jīng)網(wǎng)絡(luò)模型[14]和ARMA模型,基于相同時段的歷史數(shù)據(jù),預測相同的時段,得出的性能指標可以充分地說明三者的優(yōu)劣。三者預測性能對比情況如表1所示。

    圖7 BP神經(jīng)網(wǎng)絡(luò)預測模型的實驗結(jié)果

    表1 三種預測模型性能對比

    預測結(jié)果表明,對風電功率進行確定性預測時,LS-SVM模型的預測精度優(yōu)于其他兩種模型。因此,在LS-SVM預測模型的基礎(chǔ)上進行概率性預測會得到更精確的結(jié)果。

    4 結(jié)論

    應用最小二乘支持向量機和核密度估計相結(jié)合的方法實現(xiàn)對風電功率的概率性預測。首先利用了最小二乘支持向量機模型實現(xiàn)了對風電功率的單步預測,在單步預測的基礎(chǔ)上利用迭代法實現(xiàn)了多步預測,多步預測的平均絕對誤差為42.6,預測效果較好,具有一定的實用價值。

    但本文的研究方法還存在著一定的不足,首先在輸入向量構(gòu)造方面,本文采用的是經(jīng)驗法,選取連續(xù)的13個點作為輸入向量,這種方法完全基于實驗效果,缺乏量化標準和選取原則,后續(xù)可考慮采用其他方法來構(gòu)造輸入向量,例如:自相關(guān)分析方法、功率譜分析方法。

    使用了非參數(shù)核密度估計法對風電功率進行概率性預測,首先對確定性預測模型預測誤差進行了分布擬合,與傳統(tǒng)的參數(shù)統(tǒng)計不同的是非參數(shù)統(tǒng)計不需要事先假設(shè)誤差的分布,模型完全基于數(shù)據(jù),提高了預測結(jié)果的可靠性。但核密度估計方法的準確性是以樣本數(shù)據(jù)量為基礎(chǔ),其進行估計時需要大量的誤差數(shù)據(jù),實驗中各區(qū)間的誤差樣本數(shù)量太小,無法真實地反映出實際中誤差的分布情況,這樣對區(qū)間預測的效果會有一定的影響,文獻[10]中采用Bootstrap方法與核密度估計相結(jié)合的方法來解決這一問題,利用Bootstrap法對每個功率區(qū)間的誤差樣本值進行多次重抽樣,產(chǎn)生大量新的誤差樣本,然后在新誤差樣本的基礎(chǔ)上進行概率密度的估計,求各個功率區(qū)間的置信區(qū)間,這種方法為本文后續(xù)研究提供參考和借鑒。

    猜你喜歡
    密度估計電功率置信區(qū)間
    中國人均可支配收入的空間區(qū)域動態(tài)演變與差異分析
    m-NOD樣本最近鄰密度估計的相合性
    面向魚眼圖像的人群密度估計
    基于PCC-CNN-GRU的短期風電功率預測
    定數(shù)截尾場合三參數(shù)pareto分布參數(shù)的最優(yōu)置信區(qū)間
    p-范分布中參數(shù)的置信區(qū)間
    基于MATLAB 的核密度估計研究
    科技視界(2021年4期)2021-04-13 06:03:56
    多個偏正態(tài)總體共同位置參數(shù)的Bootstrap置信區(qū)間
    輕松上手電功率
    你會計算電功率嗎
    麻豆成人午夜福利视频| 国产成人一区二区在线| 国内精品美女久久久久久| 交换朋友夫妻互换小说| 亚洲自拍偷在线| 久久精品久久久久久噜噜老黄| 七月丁香在线播放| 色视频在线一区二区三区| 少妇 在线观看| 国产免费又黄又爽又色| 午夜福利网站1000一区二区三区| 国产欧美另类精品又又久久亚洲欧美| 99久国产av精品国产电影| 久久精品国产鲁丝片午夜精品| 特级一级黄色大片| 国产一区二区在线观看日韩| 日本爱情动作片www.在线观看| 麻豆乱淫一区二区| 国产成人午夜福利电影在线观看| 中文字幕av成人在线电影| 国产亚洲91精品色在线| 亚洲精品日本国产第一区| 97在线人人人人妻| 国产高清不卡午夜福利| 日韩三级伦理在线观看| 水蜜桃什么品种好| 免费看不卡的av| 国产永久视频网站| 亚洲av电影在线观看一区二区三区 | 久久99热这里只频精品6学生| 午夜激情福利司机影院| 国产精品99久久久久久久久| 精品国产乱码久久久久久小说| 欧美一区二区亚洲| 亚洲av不卡在线观看| 国产探花极品一区二区| 日韩不卡一区二区三区视频在线| 91久久精品国产一区二区成人| 欧美 日韩 精品 国产| 欧美激情国产日韩精品一区| 在线观看一区二区三区| 久久久久久久精品精品| 色视频www国产| 亚洲欧美成人精品一区二区| 22中文网久久字幕| 大片电影免费在线观看免费| 毛片女人毛片| 精品亚洲乱码少妇综合久久| 亚洲精华国产精华液的使用体验| 伊人久久精品亚洲午夜| 欧美精品国产亚洲| 欧美精品国产亚洲| 在线观看国产h片| 国产一区亚洲一区在线观看| 在线观看国产h片| 能在线免费看毛片的网站| 男人和女人高潮做爰伦理| 亚洲欧美中文字幕日韩二区| 久久99热6这里只有精品| 最近最新中文字幕大全电影3| 免费少妇av软件| 精品国产一区二区三区久久久樱花 | 欧美日韩在线观看h| 国产精品一区二区在线观看99| 美女脱内裤让男人舔精品视频| 精品亚洲乱码少妇综合久久| 精品久久久噜噜| 日日摸夜夜添夜夜添av毛片| 国产伦精品一区二区三区四那| 国产伦理片在线播放av一区| 日韩,欧美,国产一区二区三区| 麻豆成人av视频| 肉色欧美久久久久久久蜜桃 | 高清欧美精品videossex| 亚洲精品国产av成人精品| 亚洲成人久久爱视频| 又爽又黄无遮挡网站| 涩涩av久久男人的天堂| 亚洲av中文字字幕乱码综合| av在线亚洲专区| 人体艺术视频欧美日本| 精品人妻偷拍中文字幕| 日韩中字成人| 国产一区亚洲一区在线观看| 有码 亚洲区| 国国产精品蜜臀av免费| 一边亲一边摸免费视频| 一级a做视频免费观看| 一区二区三区免费毛片| 最近2019中文字幕mv第一页| 韩国高清视频一区二区三区| 亚洲精品一区蜜桃| 亚洲不卡免费看| tube8黄色片| 久久精品熟女亚洲av麻豆精品| kizo精华| 久久精品国产亚洲av涩爱| 寂寞人妻少妇视频99o| 精品人妻视频免费看| 九色成人免费人妻av| 一二三四中文在线观看免费高清| 亚洲欧美中文字幕日韩二区| 成年av动漫网址| 日韩在线高清观看一区二区三区| 欧美日韩一区二区视频在线观看视频在线 | 久久女婷五月综合色啪小说 | 2021少妇久久久久久久久久久| 久久久a久久爽久久v久久| 国产一区二区在线观看日韩| 欧美激情在线99| 女的被弄到高潮叫床怎么办| 亚洲经典国产精华液单| av免费在线看不卡| 国语对白做爰xxxⅹ性视频网站| 尤物成人国产欧美一区二区三区| 夜夜看夜夜爽夜夜摸| 中文精品一卡2卡3卡4更新| 亚洲欧美一区二区三区国产| 亚洲欧美成人精品一区二区| 免费观看a级毛片全部| 免费观看性生交大片5| 精品99又大又爽又粗少妇毛片| av福利片在线观看| 777米奇影视久久| 在线免费观看不下载黄p国产| 91狼人影院| 国内揄拍国产精品人妻在线| 国语对白做爰xxxⅹ性视频网站| 夜夜爽夜夜爽视频| 国产乱人视频| 一级毛片久久久久久久久女| 欧美极品一区二区三区四区| 国产av码专区亚洲av| 日韩av免费高清视频| 国产美女午夜福利| 人妻一区二区av| 搡女人真爽免费视频火全软件| 免费观看的影片在线观看| 国产伦精品一区二区三区四那| av在线观看视频网站免费| 91久久精品国产一区二区成人| av在线老鸭窝| 午夜福利高清视频| 久久人人爽av亚洲精品天堂 | www.av在线官网国产| 我的女老师完整版在线观看| 熟女人妻精品中文字幕| 欧美+日韩+精品| 国产精品秋霞免费鲁丝片| 亚洲av免费高清在线观看| 97超碰精品成人国产| 免费观看a级毛片全部| 97热精品久久久久久| 免费人成在线观看视频色| 日本与韩国留学比较| 午夜福利视频精品| 国产成人精品一,二区| 日韩av不卡免费在线播放| 嫩草影院新地址| 直男gayav资源| 亚洲av欧美aⅴ国产| 成人漫画全彩无遮挡| 国产久久久一区二区三区| 午夜福利在线观看免费完整高清在| 国国产精品蜜臀av免费| 蜜桃亚洲精品一区二区三区| 亚洲成人av在线免费| 久久久久久国产a免费观看| 干丝袜人妻中文字幕| 人人妻人人澡人人爽人人夜夜| 国产国拍精品亚洲av在线观看| 99热这里只有是精品在线观看| 亚洲色图av天堂| 久久人人爽人人爽人人片va| 免费看av在线观看网站| 国产高清不卡午夜福利| 国产亚洲午夜精品一区二区久久 | 最近最新中文字幕免费大全7| 黄色视频在线播放观看不卡| 看免费成人av毛片| 免费不卡的大黄色大毛片视频在线观看| 久久人人爽人人片av| 成人亚洲精品一区在线观看 | 久久人人爽av亚洲精品天堂 | 午夜福利在线观看免费完整高清在| 搡老乐熟女国产| 久久精品国产亚洲av天美| 两个人的视频大全免费| 校园人妻丝袜中文字幕| 国产一区有黄有色的免费视频| 国产黄色免费在线视频| 69av精品久久久久久| 黄色欧美视频在线观看| 国产精品福利在线免费观看| 插阴视频在线观看视频| 亚洲人成网站在线观看播放| 免费播放大片免费观看视频在线观看| 国产精品久久久久久精品电影小说 | 女人久久www免费人成看片| av又黄又爽大尺度在线免费看| 国产精品国产三级国产专区5o| 成人亚洲欧美一区二区av| 欧美少妇被猛烈插入视频| 蜜桃久久精品国产亚洲av| 我的老师免费观看完整版| 亚洲精品久久午夜乱码| 免费少妇av软件| 日本色播在线视频| 色婷婷久久久亚洲欧美| 天天一区二区日本电影三级| av又黄又爽大尺度在线免费看| 一级av片app| 亚洲电影在线观看av| 超碰av人人做人人爽久久| 最近最新中文字幕大全电影3| 亚洲精品,欧美精品| 性色avwww在线观看| 另类亚洲欧美激情| 精品久久久久久电影网| 狂野欧美白嫩少妇大欣赏| 国产黄片美女视频| 久久久久久久午夜电影| 日本三级黄在线观看| 亚洲精品日韩在线中文字幕| 亚洲精品影视一区二区三区av| 精品久久久久久久人妻蜜臀av| 视频区图区小说| 国产精品99久久99久久久不卡 | 国产成人aa在线观看| 大香蕉久久网| 国产亚洲最大av| 久久精品国产鲁丝片午夜精品| 亚洲精品久久久久久婷婷小说| 一级毛片我不卡| 中国美白少妇内射xxxbb| 日日撸夜夜添| 99热这里只有是精品在线观看| 一级毛片黄色毛片免费观看视频| 美女xxoo啪啪120秒动态图| 真实男女啪啪啪动态图| 免费观看a级毛片全部| 亚洲国产精品成人久久小说| 成人亚洲精品一区在线观看 | 亚洲婷婷狠狠爱综合网| 中文资源天堂在线| 18禁裸乳无遮挡动漫免费视频 | 爱豆传媒免费全集在线观看| 成人二区视频| av网站免费在线观看视频| 久久午夜福利片| 在线 av 中文字幕| 黄色配什么色好看| 国产av不卡久久| 亚洲人成网站在线播| 亚洲激情五月婷婷啪啪| 日韩免费高清中文字幕av| 亚洲在久久综合| 色哟哟·www| 又爽又黄a免费视频| 深夜a级毛片| 国产 精品1| av福利片在线观看| 观看美女的网站| 一级爰片在线观看| 看非洲黑人一级黄片| 乱系列少妇在线播放| 亚洲经典国产精华液单| 18禁在线播放成人免费| 青春草视频在线免费观看| 欧美日韩在线观看h| 丝袜脚勾引网站| 久久女婷五月综合色啪小说 | 久久这里有精品视频免费| 99久久精品国产国产毛片| 国产又色又爽无遮挡免| 18禁裸乳无遮挡动漫免费视频 | 欧美精品国产亚洲| 国产在线一区二区三区精| 自拍偷自拍亚洲精品老妇| 国产片特级美女逼逼视频| 亚洲经典国产精华液单| 欧美日韩视频高清一区二区三区二| 成人综合一区亚洲| 日本wwww免费看| 亚洲成人一二三区av| 日韩一本色道免费dvd| 高清欧美精品videossex| 99久久九九国产精品国产免费| 听说在线观看完整版免费高清| 夜夜爽夜夜爽视频| 亚洲伊人久久精品综合| 香蕉精品网在线| 亚洲精品日韩在线中文字幕| 日韩亚洲欧美综合| 免费av不卡在线播放| 天美传媒精品一区二区| 国产在线男女| 国产av不卡久久| 国产 一区 欧美 日韩| 国产真实伦视频高清在线观看| 最近的中文字幕免费完整| 日本-黄色视频高清免费观看| 91精品伊人久久大香线蕉| 日日摸夜夜添夜夜添av毛片| 国产一区二区亚洲精品在线观看| 99热这里只有是精品50| 久久久成人免费电影| 美女视频免费永久观看网站| 午夜日本视频在线| 国产人妻一区二区三区在| 精品国产一区二区三区久久久樱花 | 久久久久久国产a免费观看| av在线老鸭窝| 少妇人妻久久综合中文| 99热这里只有精品一区| 深夜a级毛片| 国产乱来视频区| 国内少妇人妻偷人精品xxx网站| 春色校园在线视频观看| 久久女婷五月综合色啪小说 | 日日摸夜夜添夜夜添av毛片| 久久精品综合一区二区三区| 亚洲av成人精品一区久久| 亚洲综合色惰| 国产精品久久久久久久久免| 亚洲真实伦在线观看| 最近的中文字幕免费完整| 永久免费av网站大全| 男插女下体视频免费在线播放| 网址你懂的国产日韩在线| 啦啦啦中文免费视频观看日本| 亚洲精品一二三| 久久久久久久午夜电影| 日韩电影二区| 亚洲国产欧美在线一区| videos熟女内射| 一区二区av电影网| 久久久久久久国产电影| 精品久久久久久久久亚洲| 亚洲精品中文字幕在线视频 | 国产精品99久久久久久久久| av在线天堂中文字幕| 80岁老熟妇乱子伦牲交| 国产av不卡久久| 天堂网av新在线| 99久久中文字幕三级久久日本| 亚洲美女搞黄在线观看| 欧美日韩精品成人综合77777| 国产精品久久久久久精品古装| freevideosex欧美| 国产中年淑女户外野战色| 日韩人妻高清精品专区| 在现免费观看毛片| 寂寞人妻少妇视频99o| 性色avwww在线观看| 成人亚洲精品一区在线观看 | 精品一区二区三区视频在线| 日本黄大片高清| 国产精品熟女久久久久浪| 精品熟女少妇av免费看| 久久国内精品自在自线图片| 欧美日韩一区二区视频在线观看视频在线 | 成人亚洲精品av一区二区| 免费观看a级毛片全部| 男人狂女人下面高潮的视频| 少妇人妻一区二区三区视频| 91精品国产九色| 久久国产乱子免费精品| 亚洲精品456在线播放app| 国产一区二区三区av在线| 女人被狂操c到高潮| 亚洲精品,欧美精品| 日本黄色片子视频| 国产精品成人在线| 超碰97精品在线观看| 日韩欧美精品v在线| 久久精品久久久久久久性| av播播在线观看一区| 女人被狂操c到高潮| 日本色播在线视频| 久久久久久久国产电影| 国产精品av视频在线免费观看| 丝瓜视频免费看黄片| 国内揄拍国产精品人妻在线| 久久精品国产亚洲av天美| 菩萨蛮人人尽说江南好唐韦庄| 国产乱人偷精品视频| 日日撸夜夜添| 亚洲av成人精品一区久久| 亚洲av福利一区| 男人添女人高潮全过程视频| 国产一区二区亚洲精品在线观看| 免费看不卡的av| 99九九线精品视频在线观看视频| 欧美激情国产日韩精品一区| 一区二区三区四区激情视频| 国产白丝娇喘喷水9色精品| 卡戴珊不雅视频在线播放| 黄色日韩在线| 亚洲精品国产av成人精品| 免费观看av网站的网址| 热99国产精品久久久久久7| 成人毛片60女人毛片免费| 国产精品99久久99久久久不卡 | 久久精品国产鲁丝片午夜精品| 久久久久久伊人网av| 丝袜喷水一区| 777米奇影视久久| 日韩一区二区视频免费看| 精品一区在线观看国产| 高清视频免费观看一区二区| 久久6这里有精品| 国产黄片美女视频| 国产在视频线精品| 亚洲精品aⅴ在线观看| 久久精品夜色国产| 欧美日韩在线观看h| 在线亚洲精品国产二区图片欧美 | 国产免费又黄又爽又色| 夫妻午夜视频| 色5月婷婷丁香| 一区二区三区四区激情视频| 国产精品.久久久| 久久6这里有精品| 老司机影院毛片| 国产亚洲精品久久久com| 日韩欧美 国产精品| 亚洲精品成人av观看孕妇| 亚洲精品自拍成人| 一级av片app| 亚洲欧美成人综合另类久久久| 国产日韩欧美亚洲二区| xxx大片免费视频| 80岁老熟妇乱子伦牲交| 少妇裸体淫交视频免费看高清| 亚洲最大成人中文| 亚洲婷婷狠狠爱综合网| 国产成人精品久久久久久| 亚洲欧美一区二区三区国产| 中文字幕av成人在线电影| 久久99热6这里只有精品| 3wmmmm亚洲av在线观看| 久久精品国产亚洲av涩爱| 亚洲色图综合在线观看| 大陆偷拍与自拍| 五月天丁香电影| freevideosex欧美| 亚洲人成网站在线播| 亚洲一级一片aⅴ在线观看| 美女被艹到高潮喷水动态| 男女国产视频网站| 国产欧美亚洲国产| 婷婷色综合www| 天天躁夜夜躁狠狠久久av| 干丝袜人妻中文字幕| 少妇人妻 视频| 国产成人精品一,二区| 男女国产视频网站| 精品酒店卫生间| 高清欧美精品videossex| 久久热精品热| 久热久热在线精品观看| 色吧在线观看| 成人午夜精彩视频在线观看| 91在线精品国自产拍蜜月| 99精国产麻豆久久婷婷| 日韩 亚洲 欧美在线| 欧美日韩视频精品一区| 中文字幕人妻熟人妻熟丝袜美| 少妇的逼好多水| 97超碰精品成人国产| 丝袜美腿在线中文| 人妻夜夜爽99麻豆av| 久久久久性生活片| 亚洲美女视频黄频| 联通29元200g的流量卡| 校园人妻丝袜中文字幕| 夜夜看夜夜爽夜夜摸| 久久精品夜色国产| 久久精品久久久久久噜噜老黄| 亚洲人成网站高清观看| 亚洲av电影在线观看一区二区三区 | 激情五月婷婷亚洲| 国产成人freesex在线| 国模一区二区三区四区视频| 国产爱豆传媒在线观看| 蜜桃亚洲精品一区二区三区| 亚洲av免费在线观看| 80岁老熟妇乱子伦牲交| 亚洲国产精品成人综合色| 寂寞人妻少妇视频99o| 成年免费大片在线观看| 日日撸夜夜添| 国产精品人妻久久久久久| 国产av国产精品国产| 肉色欧美久久久久久久蜜桃 | 亚洲怡红院男人天堂| 男女无遮挡免费网站观看| 成人漫画全彩无遮挡| av福利片在线观看| 少妇人妻精品综合一区二区| 亚洲欧美成人综合另类久久久| 精品一区二区三卡| 国产黄片视频在线免费观看| 夜夜看夜夜爽夜夜摸| 国产精品国产三级国产专区5o| 草草在线视频免费看| 精品视频人人做人人爽| 国产av国产精品国产| 身体一侧抽搐| 欧美 日韩 精品 国产| 五月玫瑰六月丁香| 十八禁网站网址无遮挡 | 久久99热6这里只有精品| 不卡视频在线观看欧美| 久久ye,这里只有精品| 国产伦理片在线播放av一区| 亚洲精品久久午夜乱码| 黄色一级大片看看| 性插视频无遮挡在线免费观看| 少妇高潮的动态图| 午夜免费鲁丝| 熟女av电影| 91在线精品国自产拍蜜月| 亚洲欧美精品自产自拍| 蜜桃亚洲精品一区二区三区| 国产成人精品婷婷| 国产精品一区二区三区四区免费观看| 亚洲国产精品成人久久小说| 26uuu在线亚洲综合色| 夜夜爽夜夜爽视频| 亚洲欧美日韩卡通动漫| 欧美精品人与动牲交sv欧美| 亚洲精品国产av蜜桃| 日韩av免费高清视频| 少妇高潮的动态图| 51国产日韩欧美| 搡女人真爽免费视频火全软件| 日韩欧美一区视频在线观看 | 一边亲一边摸免费视频| 99久久九九国产精品国产免费| 丝袜脚勾引网站| 精品国产三级普通话版| 午夜视频国产福利| 亚洲国产最新在线播放| 神马国产精品三级电影在线观看| 久久精品国产a三级三级三级| 亚洲精品国产成人久久av| 夫妻性生交免费视频一级片| 人妻系列 视频| 亚洲av.av天堂| 伦精品一区二区三区| 日本欧美国产在线视频| 国产一区二区在线观看日韩| 国产伦精品一区二区三区四那| 毛片一级片免费看久久久久| 亚洲精品视频女| 涩涩av久久男人的天堂| 在线观看美女被高潮喷水网站| 欧美xxⅹ黑人| 国产欧美日韩一区二区三区在线 | 少妇高潮的动态图| 国产黄色视频一区二区在线观看| 亚洲伊人久久精品综合| 91狼人影院| 老司机影院成人| 又大又黄又爽视频免费| kizo精华| 国内精品宾馆在线| 在线观看一区二区三区| 人人妻人人看人人澡| 精品久久久精品久久久| 久久99蜜桃精品久久| 欧美一级a爱片免费观看看| 丝袜美腿在线中文| 亚洲精品日韩在线中文字幕| 久久久a久久爽久久v久久| 日本爱情动作片www.在线观看| 男的添女的下面高潮视频| 久久久久久久久久久丰满| 狂野欧美激情性xxxx在线观看| 99视频精品全部免费 在线| 一级av片app| 国产一区二区亚洲精品在线观看| 99精国产麻豆久久婷婷| 男人狂女人下面高潮的视频| 国产亚洲午夜精品一区二区久久 | 午夜激情福利司机影院| 中国三级夫妇交换| 岛国毛片在线播放| 少妇熟女欧美另类| 大码成人一级视频| 成人亚洲精品一区在线观看 | 尤物成人国产欧美一区二区三区| 超碰av人人做人人爽久久| 国产女主播在线喷水免费视频网站| 九九爱精品视频在线观看| 欧美性感艳星| 中文天堂在线官网| 中文字幕人妻熟人妻熟丝袜美| 精品少妇久久久久久888优播| 国产高潮美女av| 久久久久久久国产电影| 久久影院123| 两个人的视频大全免费| 高清在线视频一区二区三区| 免费大片18禁| 成人毛片a级毛片在线播放| 新久久久久国产一级毛片| 亚洲精品久久午夜乱码| 亚洲精品乱码久久久久久按摩| tube8黄色片| 午夜福利视频精品| 91aial.com中文字幕在线观看| 99久久精品一区二区三区|