• <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
    久久人人爽av亚洲精品天堂| 啦啦啦免费观看视频1| 少妇猛男粗大的猛烈进出视频| 夜夜夜夜夜久久久久| 永久免费av网站大全| 午夜福利乱码中文字幕| 国产老妇伦熟女老妇高清| 国产高清国产精品国产三级| 国产欧美日韩综合在线一区二区| 亚洲国产日韩一区二区| av线在线观看网站| 一本大道久久a久久精品| 久久久久精品国产欧美久久久 | 美女脱内裤让男人舔精品视频| 国产真人三级小视频在线观看| 777久久人妻少妇嫩草av网站| 久久久久久久精品精品| 首页视频小说图片口味搜索| 亚洲国产欧美一区二区综合| 韩国高清视频一区二区三区| 久久青草综合色| 大香蕉久久成人网| 大陆偷拍与自拍| 久久av网站| 蜜桃在线观看..| 老熟妇仑乱视频hdxx| 国产老妇伦熟女老妇高清| 免费在线观看日本一区| 777米奇影视久久| 操出白浆在线播放| 美女大奶头黄色视频| 五月开心婷婷网| 国产免费av片在线观看野外av| 日韩欧美国产一区二区入口| 欧美成人午夜精品| 国产免费一区二区三区四区乱码| 国产高清videossex| 日韩制服骚丝袜av| 国产熟女午夜一区二区三区| 亚洲五月婷婷丁香| 亚洲欧美一区二区三区黑人| 日韩熟女老妇一区二区性免费视频| 久久毛片免费看一区二区三区| 国产日韩欧美亚洲二区| 成年av动漫网址| 午夜两性在线视频| 老熟妇乱子伦视频在线观看 | 99九九在线精品视频| 久久ye,这里只有精品| 精品欧美一区二区三区在线| 日韩有码中文字幕| 国产一区二区三区av在线| 精品福利永久在线观看| 日韩欧美免费精品| 国产精品一区二区在线观看99| 久久久久精品人妻al黑| 欧美午夜高清在线| 在线观看免费视频网站a站| 中文字幕制服av| 少妇 在线观看| 岛国在线观看网站| 亚洲av片天天在线观看| 91老司机精品| 久久久精品94久久精品| av网站在线播放免费| 国产区一区二久久| 视频区图区小说| 久久香蕉激情| 亚洲美女黄色视频免费看| 人成视频在线观看免费观看| 欧美日韩亚洲综合一区二区三区_| 亚洲第一青青草原| 免费少妇av软件| 国产精品影院久久| 国产一级毛片在线| 97精品久久久久久久久久精品| 国产精品久久久久成人av| 亚洲中文日韩欧美视频| 久久午夜综合久久蜜桃| 国产男人的电影天堂91| 国产区一区二久久| 最黄视频免费看| 久久香蕉激情| 在线观看免费日韩欧美大片| cao死你这个sao货| 天堂中文最新版在线下载| 狠狠婷婷综合久久久久久88av| 久久久国产精品麻豆| 亚洲精品国产精品久久久不卡| 欧美黄色片欧美黄色片| 考比视频在线观看| 日韩精品免费视频一区二区三区| 日韩制服丝袜自拍偷拍| 飞空精品影院首页| 亚洲精品国产区一区二| 精品乱码久久久久久99久播| 日韩制服丝袜自拍偷拍| 国产一级毛片在线| 建设人人有责人人尽责人人享有的| 一本综合久久免费| 黄色怎么调成土黄色| 久久久久精品国产欧美久久久 | 淫妇啪啪啪对白视频 | 曰老女人黄片| 水蜜桃什么品种好| 777久久人妻少妇嫩草av网站| 国产精品熟女久久久久浪| 夜夜骑夜夜射夜夜干| 超碰成人久久| 无限看片的www在线观看| 亚洲欧美一区二区三区久久| 91精品国产国语对白视频| 一级毛片精品| 久久99热这里只频精品6学生| av天堂久久9| 成人三级做爰电影| 黄色片一级片一级黄色片| 视频区图区小说| 久久精品亚洲av国产电影网| a级毛片在线看网站| 一个人免费在线观看的高清视频 | 99re6热这里在线精品视频| 午夜福利一区二区在线看| av在线app专区| 三上悠亚av全集在线观看| 日韩 亚洲 欧美在线| 国产老妇伦熟女老妇高清| 99九九在线精品视频| 少妇猛男粗大的猛烈进出视频| 亚洲国产精品一区三区| 法律面前人人平等表现在哪些方面 | 国产精品一二三区在线看| 女人爽到高潮嗷嗷叫在线视频| 黄色毛片三级朝国网站| 日日爽夜夜爽网站| 国产av国产精品国产| 欧美另类一区| 熟女少妇亚洲综合色aaa.| 国产男女内射视频| 精品欧美一区二区三区在线| 国产精品秋霞免费鲁丝片| 99热国产这里只有精品6| 精品国产乱码久久久久久男人| 黄色视频,在线免费观看| 一二三四社区在线视频社区8| 男女无遮挡免费网站观看| 搡老熟女国产l中国老女人| 国产亚洲欧美精品永久| 如日韩欧美国产精品一区二区三区| 亚洲国产欧美一区二区综合| 国产福利在线免费观看视频| 免费高清在线观看日韩| 国产成人精品在线电影| 国产一区二区激情短视频 | 免费在线观看黄色视频的| 亚洲美女黄色视频免费看| av网站免费在线观看视频| 精品免费久久久久久久清纯 | 中文字幕高清在线视频| 99国产精品99久久久久| 无限看片的www在线观看| 男人爽女人下面视频在线观看| 丝袜脚勾引网站| 一区二区三区激情视频| 999精品在线视频| 亚洲全国av大片| 丝瓜视频免费看黄片| 国产精品香港三级国产av潘金莲| 人人妻人人爽人人添夜夜欢视频| 黄片小视频在线播放| 欧美日本中文国产一区发布| 女人久久www免费人成看片| 国产成人精品在线电影| 天堂中文最新版在线下载| 电影成人av| 波多野结衣一区麻豆| 热99re8久久精品国产| 夜夜夜夜夜久久久久| 多毛熟女@视频| 亚洲 欧美一区二区三区| 99久久99久久久精品蜜桃| 成年人午夜在线观看视频| 老司机靠b影院| 亚洲伊人色综图| 丝袜喷水一区| 一区二区日韩欧美中文字幕| 宅男免费午夜| 亚洲精品粉嫩美女一区| 亚洲精品粉嫩美女一区| 90打野战视频偷拍视频| 久久99一区二区三区| 日本av免费视频播放| 亚洲免费av在线视频| 操美女的视频在线观看| 国产亚洲欧美精品永久| 男女国产视频网站| 亚洲国产精品一区三区| 国产免费视频播放在线视频| 色播在线永久视频| 91精品伊人久久大香线蕉| 91九色精品人成在线观看| 国产日韩欧美视频二区| 久久久久久人人人人人| 丁香六月天网| 欧美老熟妇乱子伦牲交| 女性生殖器流出的白浆| 一级片免费观看大全| 国产精品偷伦视频观看了| 国产精品秋霞免费鲁丝片| 国产精品欧美亚洲77777| 青春草亚洲视频在线观看| 美女福利国产在线| 777久久人妻少妇嫩草av网站| 欧美日韩亚洲高清精品| 在线观看人妻少妇| 亚洲国产精品999| 亚洲精品美女久久av网站| 国产有黄有色有爽视频| 久久性视频一级片| 免费不卡黄色视频| 久久ye,这里只有精品| 精品国产国语对白av| 男人爽女人下面视频在线观看| 在线观看www视频免费| 亚洲精品一区蜜桃| 美女午夜性视频免费| 在线精品无人区一区二区三| 中文字幕另类日韩欧美亚洲嫩草| 亚洲精品久久久久久婷婷小说| 色婷婷av一区二区三区视频| 中文精品一卡2卡3卡4更新| 久久青草综合色| 丝袜脚勾引网站| 在线亚洲精品国产二区图片欧美| tube8黄色片| 99精品欧美一区二区三区四区| 免费观看av网站的网址| 两性夫妻黄色片| 91麻豆av在线| 国产av国产精品国产| 一边摸一边抽搐一进一出视频| 成人av一区二区三区在线看 | 亚洲激情五月婷婷啪啪| 99热网站在线观看| 国产精品免费大片| 国产免费一区二区三区四区乱码| 韩国高清视频一区二区三区| 久久久国产欧美日韩av| 亚洲久久久国产精品| 免费观看人在逋| 久久九九热精品免费| 日韩中文字幕视频在线看片| 真人做人爱边吃奶动态| 欧美成人午夜精品| 午夜影院在线不卡| 国产亚洲欧美在线一区二区| 久久久久久久久久久久大奶| 成人三级做爰电影| 欧美人与性动交α欧美软件| 亚洲三区欧美一区| 亚洲欧美色中文字幕在线| 久久av网站| av网站免费在线观看视频| 菩萨蛮人人尽说江南好唐韦庄| 欧美久久黑人一区二区| 亚洲一区中文字幕在线| 99久久人妻综合| 欧美老熟妇乱子伦牲交| 香蕉丝袜av| 最黄视频免费看| 亚洲精品国产色婷婷电影| 国产精品久久久久成人av| 亚洲全国av大片| 欧美黑人欧美精品刺激| 国产免费福利视频在线观看| 正在播放国产对白刺激| 真人做人爱边吃奶动态| 不卡一级毛片| 久久毛片免费看一区二区三区| 亚洲七黄色美女视频| 老司机午夜十八禁免费视频| 色视频在线一区二区三区| 精品福利观看| 天天躁狠狠躁夜夜躁狠狠躁| 国产在线视频一区二区| 电影成人av| 色综合欧美亚洲国产小说| 亚洲中文日韩欧美视频| 不卡一级毛片| 久久久精品免费免费高清| 久久人妻熟女aⅴ| 国产欧美日韩综合在线一区二区| 黑人欧美特级aaaaaa片| 黄色视频在线播放观看不卡| 午夜影院在线不卡| 国产av精品麻豆| 69精品国产乱码久久久| 国产高清国产精品国产三级| 精品福利观看| 在线观看人妻少妇| 国产欧美亚洲国产| 嫁个100分男人电影在线观看| 黑人猛操日本美女一级片| 国产精品久久久久成人av| 日本91视频免费播放| videosex国产| 久久久国产成人免费| 久久国产精品人妻蜜桃| 97精品久久久久久久久久精品| 精品一区二区三卡| 国产伦人伦偷精品视频| 少妇人妻久久综合中文| 窝窝影院91人妻| 国产无遮挡羞羞视频在线观看| 两个人免费观看高清视频| 精品免费久久久久久久清纯 | 不卡一级毛片| 人妻 亚洲 视频| 男女下面插进去视频免费观看| 日韩中文字幕视频在线看片| 午夜福利影视在线免费观看| 黑人巨大精品欧美一区二区蜜桃| 国产一区二区三区综合在线观看| 中文欧美无线码| 欧美精品av麻豆av| 国产精品免费视频内射| av视频免费观看在线观看| 高清黄色对白视频在线免费看| 女人精品久久久久毛片| 我要看黄色一级片免费的| 欧美精品高潮呻吟av久久| 国内毛片毛片毛片毛片毛片| 极品人妻少妇av视频| 精品卡一卡二卡四卡免费| 午夜免费成人在线视频| 90打野战视频偷拍视频| 午夜老司机福利片| 午夜福利视频精品| 好男人电影高清在线观看| 99精品欧美一区二区三区四区| 亚洲五月婷婷丁香| 人人澡人人妻人| 久久久久久免费高清国产稀缺| 一本一本久久a久久精品综合妖精| 丝袜人妻中文字幕| 国产高清videossex| 一边摸一边做爽爽视频免费| 亚洲国产日韩一区二区| 一区在线观看完整版| 国产99久久九九免费精品| 女人被躁到高潮嗷嗷叫费观| 久久久水蜜桃国产精品网| 成人黄色视频免费在线看| 国产高清videossex| 国产视频一区二区在线看| 亚洲第一青青草原| 成人手机av| 国产99久久九九免费精品| 成人国产一区最新在线观看| 国产成人精品在线电影| 老司机午夜十八禁免费视频| 国产免费一区二区三区四区乱码| 精品亚洲乱码少妇综合久久| 亚洲性夜色夜夜综合| 国产97色在线日韩免费| 一区二区三区乱码不卡18| av在线老鸭窝| 交换朋友夫妻互换小说| 多毛熟女@视频| 国产视频一区二区在线看| 午夜福利,免费看| 亚洲熟女精品中文字幕| 亚洲色图综合在线观看| 999久久久国产精品视频| 国产免费现黄频在线看| 亚洲精品乱久久久久久| 久久久久网色| 国产精品久久久人人做人人爽| 久久久久国内视频| 制服人妻中文乱码| 另类精品久久| 国产免费现黄频在线看| 一本—道久久a久久精品蜜桃钙片| 老司机深夜福利视频在线观看 | 视频区图区小说| 成年人午夜在线观看视频| 99re6热这里在线精品视频| 亚洲熟女精品中文字幕| 亚洲色图综合在线观看| 国产精品影院久久| 男女之事视频高清在线观看| av网站在线播放免费| 国产精品1区2区在线观看. | 午夜福利在线观看吧| 久久人人爽av亚洲精品天堂| 女人被躁到高潮嗷嗷叫费观| 国产成人精品在线电影| 成人三级做爰电影| 少妇 在线观看| 99re6热这里在线精品视频| 人人妻人人澡人人看| av不卡在线播放| 久久毛片免费看一区二区三区| 久久九九热精品免费| 久久久久久人人人人人| videosex国产| 最新在线观看一区二区三区| 欧美精品啪啪一区二区三区 | 亚洲欧美一区二区三区黑人| www.熟女人妻精品国产| 久久久久久久大尺度免费视频| 99国产综合亚洲精品| 老司机福利观看| 久久久精品区二区三区| 日韩熟女老妇一区二区性免费视频| 日韩大片免费观看网站| 9热在线视频观看99| 欧美黄色片欧美黄色片| 国产成人一区二区三区免费视频网站| 国产成+人综合+亚洲专区| h视频一区二区三区| 在线观看免费日韩欧美大片| 久久 成人 亚洲| 国产日韩欧美在线精品| 免费高清在线观看视频在线观看| 在线观看免费高清a一片| 国产xxxxx性猛交| 亚洲精品久久久久久婷婷小说| 丁香六月欧美| 无遮挡黄片免费观看| 中国美女看黄片| 黄色毛片三级朝国网站| 少妇精品久久久久久久| 黄片大片在线免费观看| 久久 成人 亚洲| 亚洲成人国产一区在线观看| 丰满人妻熟妇乱又伦精品不卡| 精品视频人人做人人爽| 欧美一级毛片孕妇| 国产精品影院久久| 操出白浆在线播放| 又紧又爽又黄一区二区| 成人免费观看视频高清| 人妻久久中文字幕网| 动漫黄色视频在线观看| 美女脱内裤让男人舔精品视频| svipshipincom国产片| 午夜精品国产一区二区电影| 男女边摸边吃奶| 精品少妇内射三级| 考比视频在线观看| 视频区图区小说| 国产精品久久久久久精品电影小说| 在线精品无人区一区二区三| 成人国产av品久久久| av一本久久久久| 亚洲av成人不卡在线观看播放网 | 一本综合久久免费| 亚洲精品一二三| 国产男人的电影天堂91| 久久久久久人人人人人| 99国产精品一区二区蜜桃av | 亚洲成av片中文字幕在线观看| 国产成人免费观看mmmm| 好男人电影高清在线观看| 欧美精品人与动牲交sv欧美| 国产1区2区3区精品| 午夜福利乱码中文字幕| 亚洲欧美成人综合另类久久久| 国产精品免费视频内射| 精品久久久久久久毛片微露脸 | av免费在线观看网站| 国产在线免费精品| 午夜激情久久久久久久| 国产成+人综合+亚洲专区| 青春草视频在线免费观看| 一级,二级,三级黄色视频| 欧美少妇被猛烈插入视频| av线在线观看网站| 亚洲精品日韩在线中文字幕| 国产成人a∨麻豆精品| 在线永久观看黄色视频| 中文精品一卡2卡3卡4更新| 成年av动漫网址| 1024视频免费在线观看| 搡老熟女国产l中国老女人| 亚洲精品国产精品久久久不卡| av一本久久久久| 91成人精品电影| 如日韩欧美国产精品一区二区三区| 在线十欧美十亚洲十日本专区| av有码第一页| 正在播放国产对白刺激| 日韩视频在线欧美| 日韩制服骚丝袜av| 日韩中文字幕欧美一区二区| 黄频高清免费视频| 精品国内亚洲2022精品成人 | 美女大奶头黄色视频| 人妻人人澡人人爽人人| 亚洲成av片中文字幕在线观看| 国产亚洲欧美精品永久| www.自偷自拍.com| 制服诱惑二区| 国产亚洲一区二区精品| 亚洲七黄色美女视频| 精品卡一卡二卡四卡免费| 美女高潮到喷水免费观看| 我的亚洲天堂| 亚洲第一青青草原| 人妻久久中文字幕网| 成人国产一区最新在线观看| 国产精品偷伦视频观看了| 亚洲一区中文字幕在线| 国产免费现黄频在线看| 免费在线观看日本一区| 亚洲,欧美精品.| 老司机福利观看| 美女中出高潮动态图| 国产成人免费观看mmmm| videos熟女内射| 国产97色在线日韩免费| 丁香六月天网| 国产成人欧美在线观看 | 国产极品粉嫩免费观看在线| 久久国产精品影院| 久久人妻熟女aⅴ| 亚洲中文日韩欧美视频| 十八禁网站网址无遮挡| 男女高潮啪啪啪动态图| 欧美97在线视频| 国产成人免费观看mmmm| 韩国精品一区二区三区| 99香蕉大伊视频| 动漫黄色视频在线观看| 一级,二级,三级黄色视频| 女性被躁到高潮视频| 国产精品av久久久久免费| 精品高清国产在线一区| 欧美激情极品国产一区二区三区| 亚洲国产精品一区三区| 蜜桃在线观看..| 欧美国产精品一级二级三级| 免费少妇av软件| 日韩大片免费观看网站| 在线观看一区二区三区激情| 日韩电影二区| 久久久久国产一级毛片高清牌| 亚洲精品一区蜜桃| 最黄视频免费看| 老司机靠b影院| 在线观看免费午夜福利视频| 热re99久久精品国产66热6| 亚洲av国产av综合av卡| 亚洲一区中文字幕在线| 99国产精品一区二区蜜桃av | 香蕉丝袜av| 一本久久精品| 肉色欧美久久久久久久蜜桃| 王馨瑶露胸无遮挡在线观看| 五月开心婷婷网| 一级毛片精品| 亚洲精品粉嫩美女一区| 脱女人内裤的视频| 老汉色av国产亚洲站长工具| 黄片播放在线免费| 亚洲国产日韩一区二区| 久久99热这里只频精品6学生| 高清视频免费观看一区二区| 国产日韩一区二区三区精品不卡| 日韩欧美一区视频在线观看| 国产成人啪精品午夜网站| 亚洲国产看品久久| 一级片'在线观看视频| 国产又爽黄色视频| av又黄又爽大尺度在线免费看| 国产精品久久久av美女十八| 久久久久视频综合| 天天躁狠狠躁夜夜躁狠狠躁| 在线av久久热| 在线观看一区二区三区激情| 狂野欧美激情性xxxx| 啦啦啦免费观看视频1| 国产成人啪精品午夜网站| 午夜福利乱码中文字幕| 中国国产av一级| 亚洲成av片中文字幕在线观看| 色视频在线一区二区三区| 中文字幕人妻丝袜一区二区| 91老司机精品| 十八禁网站网址无遮挡| 精品少妇内射三级| 叶爱在线成人免费视频播放| 亚洲专区字幕在线| 久久99一区二区三区| 一边摸一边抽搐一进一出视频| 久久99一区二区三区| 精品福利观看| 国产黄色免费在线视频| 老汉色∧v一级毛片| 国产国语露脸激情在线看| 老熟女久久久| 十分钟在线观看高清视频www| 久久狼人影院| 精品一区在线观看国产| 1024香蕉在线观看| 高潮久久久久久久久久久不卡| 啦啦啦 在线观看视频| 男男h啪啪无遮挡| 黄色视频,在线免费观看| 欧美 亚洲 国产 日韩一| 亚洲av日韩在线播放| a 毛片基地| 国产一区二区三区av在线| 人人妻,人人澡人人爽秒播|