• <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 ?

    計(jì)及復(fù)雜氣象影響的含光伏電源的母線峰值負(fù)荷預(yù)測(cè)

    2020-06-18 07:32:58朱赫炎于長(zhǎng)永賀慶奎劉靖波許言路盧天琪黃南天
    可再生能源 2020年6期
    關(guān)鍵詞:特征選擇峰值粒子

    朱赫炎, 于長(zhǎng)永, 賀慶奎, 宋 坤, 劉靖波, 許言路, 盧天琪, 黃南天

    (1.國(guó)網(wǎng)遼寧省電力有限公司 經(jīng)濟(jì)技術(shù)研究院, 遼寧 沈陽(yáng) 110015; 2.東北電力大學(xué) 電氣工程學(xué)院, 吉林吉林 132012)

    0 引言

    母線峰值負(fù)荷預(yù)測(cè)是保障電力系統(tǒng)可靠穩(wěn)定運(yùn)行的重要依據(jù),也是評(píng)估系統(tǒng)清潔能源(光伏、風(fēng)電等可再生能源)消納能力的重要保障。 光伏DG 受溫度、風(fēng)速、濕度、不同氣象日的影響,其出力波動(dòng)劇烈,在接入配電網(wǎng)后,會(huì)加劇母線峰值負(fù)荷的波動(dòng)。 為了實(shí)現(xiàn)高精度母線峰值負(fù)荷預(yù)測(cè),有效提高配電系統(tǒng)清潔能源(特別是光伏電源)的消納能力,在高滲透率光伏電源接入場(chǎng)景下, 必須考慮DG 接入電網(wǎng)對(duì)母線峰荷預(yù)測(cè)的影響。

    在母線負(fù)荷預(yù)測(cè)建模過(guò)程中,需要考慮多種因素對(duì)母線負(fù)荷的影響。 文獻(xiàn)[1]研究了環(huán)境因素對(duì)母線負(fù)荷的影響,通過(guò)快速屬性約簡(jiǎn)法研究影響因素與母線負(fù)荷間關(guān)系,找出對(duì)母線負(fù)荷影響大的因素,提高母線負(fù)荷預(yù)測(cè)精度。 文獻(xiàn)[2]建立了特征向量矩陣, 找出并調(diào)整數(shù)據(jù)中的異常數(shù)據(jù),分析相關(guān)因素與負(fù)荷間的相關(guān)性,構(gòu)建負(fù)荷水平相似集,根據(jù)待測(cè)負(fù)荷日與相似集選擇相似日,實(shí)現(xiàn)對(duì)母線負(fù)荷的綜合預(yù)測(cè)。 文獻(xiàn)[3]分析了母線源荷負(fù)荷屬性,然后將不同屬性負(fù)荷進(jìn)行分類,分別研究有源網(wǎng)絡(luò)中的電源和負(fù)荷成分,優(yōu)化了母線負(fù)荷預(yù)測(cè)。上述文獻(xiàn)優(yōu)化了母線負(fù)荷預(yù)測(cè),但是沒(méi)有充分分析自然氣象、 社會(huì)等因素對(duì)母線負(fù)荷的影響,沒(méi)有進(jìn)行特征選擇。

    現(xiàn)有涉及峰荷預(yù)測(cè)的研究中, 多針對(duì)城市級(jí)電網(wǎng)峰值負(fù)荷的影響因素和預(yù)測(cè)方法開展。 傳統(tǒng)負(fù)荷預(yù)測(cè)方法有灰色模型和回歸分析等, 當(dāng)負(fù)荷發(fā)生非線性波動(dòng)時(shí), 傳統(tǒng)負(fù)荷預(yù)測(cè)方法預(yù)測(cè)精度受限[4]~[5]。 文獻(xiàn)[6]分析了城市負(fù)荷波動(dòng)的內(nèi)因,考慮了多源數(shù)據(jù)對(duì)負(fù)荷波動(dòng)的影響, 通過(guò)皮爾遜相關(guān)系數(shù)和互信息計(jì)算多源數(shù)據(jù)和負(fù)荷波動(dòng)的相關(guān)性,選擇與負(fù)荷波動(dòng)強(qiáng)相關(guān)的自然特征、社會(huì)特征和其它特征, 并應(yīng)用支持向量回歸模型預(yù)測(cè)峰值負(fù)荷。 文獻(xiàn)[7]提出了基于人工神經(jīng)網(wǎng)絡(luò)演變的峰值負(fù)荷預(yù)測(cè)模型, 通過(guò)最優(yōu)特征集合預(yù)測(cè)峰值負(fù)荷,且根據(jù)不同實(shí)驗(yàn)間的對(duì)比,驗(yàn)證了所提方法具有預(yù)測(cè)精度高的優(yōu)點(diǎn)。 文獻(xiàn)[8]針對(duì)負(fù)荷預(yù)測(cè)方法的缺點(diǎn), 優(yōu)化了基于模糊支持向量機(jī)的核回歸方法?,F(xiàn)有研究在一定程度上提高了峰荷預(yù)測(cè)精度,但尚未針對(duì)母線峰值負(fù)荷預(yù)測(cè)中, 歷史數(shù)據(jù)有限和接入光伏DG 后, 母線峰荷波動(dòng)特性復(fù)雜化的問(wèn)題開展分析。 極限學(xué)習(xí)機(jī) (Extreme Learning Machine,ELM)所需訓(xùn)練樣本少,能夠解決具有非線性波動(dòng)特點(diǎn)的母線峰值負(fù)荷預(yù)測(cè)的難題,且預(yù)測(cè)精度高[9],[10]。

    為分析復(fù)雜氣象數(shù)據(jù)和光伏DG 接入后對(duì)母線峰值負(fù)荷的影響,并解決母線峰值負(fù)荷歷史數(shù)據(jù)有限、預(yù)測(cè)精度低的不足,本文提出了計(jì)及復(fù)雜氣象影響的母線峰值負(fù)荷預(yù)測(cè)方法。根據(jù)不同氣象日母線峰值負(fù)荷的波動(dòng)情況, 在晴天、陰雨和多云3 種天氣情況下,分別通過(guò)條件互信息(Conditional Mutual Information, CMI)分析高維氣象、 社會(huì)等特征與母線峰值負(fù)荷間的相關(guān)性,獲得特征重要度排序。本文采用適合小樣本訓(xùn)練的改進(jìn)粒子群優(yōu)化極限學(xué)習(xí)機(jī)(Improved Particle Swarm Optimization -Extreme Learning Machine,IPSO-ELM) 作為預(yù)測(cè)器, 并以IPSOELM 預(yù)測(cè)精度為決策變量, 確定在不同氣象日下的最優(yōu)特征子集;根據(jù)最優(yōu)特征子集,分別建立了在不同氣象日下母線峰值負(fù)荷最優(yōu)預(yù)測(cè)模型。

    1 母線峰值負(fù)荷的波動(dòng)性展示

    某城市含高滲透率光伏電源的母線峰值負(fù)荷和日負(fù)荷實(shí)際值如圖1 所示。

    圖1 含光伏DG 母線日負(fù)荷和峰值負(fù)荷Fig.1 Daily load and peak load for electric bus with PV DG

    由圖1 可知,母線峰值負(fù)荷的最大值和最小值分別為160.7 MW,102.2 MW。 與電力負(fù)荷相比,母線波動(dòng)性更大。 母線峰值負(fù)荷每天僅累積一組數(shù)據(jù),歷史負(fù)荷數(shù)據(jù)有限,預(yù)測(cè)模型訓(xùn)練難度大。而且母線負(fù)荷由于有DG 的存在, 母線峰值負(fù)荷在不同氣象日下波動(dòng)情況也會(huì)不同,預(yù)測(cè)困難。

    2 基于條件互信息的特征選擇方法

    2.1 母線峰值負(fù)荷預(yù)測(cè)原始特征集合構(gòu)建

    高維氣象(經(jīng)度、緯度、溫度、氣壓、濕度、風(fēng)速等)、社會(huì)(日期、節(jié)假日等)等多種因素都會(huì)導(dǎo)致母線峰值負(fù)荷發(fā)生波動(dòng), 同時(shí)考慮光伏DG 對(duì)母線負(fù)荷的影響,通過(guò)分析和研究相關(guān)文獻(xiàn),構(gòu)建的原始特征集合如表1 所示。

    表1 母線峰值負(fù)荷預(yù)測(cè)原始特征集合Table 1 Original feature set of peak load prediction for electrical bus

    2.2 條件互信息

    由表1 可知, 含光伏DG 的母線峰值負(fù)荷影響因素眾多,如果考慮全部影響因素,將會(huì)造成信息冗余,母線峰值負(fù)荷預(yù)測(cè)精度低。為提高母線峰值負(fù)荷預(yù)測(cè)精度,通過(guò)CMI 分析各影響因素與母線峰值負(fù)荷間的相關(guān)性,并通過(guò)特征選擇,避免母線峰值負(fù)荷預(yù)測(cè)時(shí)出現(xiàn)特征冗余,提高預(yù)測(cè)精度。

    在母線峰值負(fù)荷預(yù)測(cè)中,設(shè)D 為包含自然氣象、社會(huì)等多種因素的原始特征集合;d 為D 中某一特征;Q 為實(shí)測(cè)母線峰值負(fù)荷集合;q 為集合Q中某一母線峰值負(fù)荷集合;Z 為已選擇的特征集合。 D 和Q 間的互信息為

    式中:P(d),P(q)分別為D,Q 的邊際密度函數(shù),其中,P(d)為D 中取d 的概率,P(q)為Q 中取q的概率,P(d,q)為D 和Q 的聯(lián)合概率密度;P(d,q)為D 中取d,Q 中取q 的聯(lián)合概率。

    在已知Z 集合的條件下,集合D 與實(shí)測(cè)母線峰值負(fù)荷值Q 的條件互信息為

    式中:P(d│z),P(q│z)分別為在Z 條件下D,Q的概率密度函數(shù);P(d,q│z)為在Z 條件下D,Q的聯(lián)合概率密度函數(shù);P (d,q,z) 為D,Q,Z 的聯(lián)合概率密度函數(shù)。

    與傳統(tǒng)互信息方法相比,CMI 在分析過(guò)程中,考慮了特征集合內(nèi)特征間冗余性, 更加適合降低最優(yōu)特征子集中信息冗余。

    3 基于改進(jìn)粒子群優(yōu)化的極限學(xué)習(xí)機(jī)原理

    以有限的母線峰值負(fù)荷數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)等預(yù)測(cè)器,難以獲得理想的預(yù)測(cè)模型。 因此,應(yīng)用適用于小樣本訓(xùn)練的ELM 構(gòu)建母線峰值負(fù)荷預(yù)測(cè)器。為避免參數(shù)選擇不當(dāng),應(yīng)用改進(jìn)粒子群算法優(yōu)化ELM 的初始值和閾值,進(jìn)一步提高預(yù)測(cè)精度。

    3.1 極限學(xué)習(xí)機(jī)

    設(shè)有N 個(gè)樣本{(xi,ti)}Ni=1,其中,輸入數(shù)據(jù)為xi=[xi1,xi2,…,xin]T∈Rn,目標(biāo)輸出值為ti=[ti1,ti2,…,tim]T∈Rm。 則單隱層神經(jīng)網(wǎng)絡(luò)(隱層節(jié)點(diǎn)的數(shù)目為L(zhǎng))的ELM 網(wǎng)絡(luò)模型為

    式中:oj為網(wǎng)絡(luò)輸出值;g(x)為激活函數(shù);ωi為輸入權(quán)重;βi為輸出權(quán)重;bi為第i 個(gè)隱層單元的偏置。

    無(wú)誤差時(shí), 激活函數(shù)無(wú)限接近任意N 個(gè)樣本,則N 個(gè)方程矩陣為

    其中:H 為隱含層節(jié)點(diǎn)輸出;T 為期望輸出。

    與式(5)等價(jià)的最小損失函數(shù)為

    在ELM 算法中,ω 和b 被隨機(jī)確定后, 即可獲得唯一H,便可確定ELM 結(jié)構(gòu)。

    3.2 基于改進(jìn)粒子群的極限學(xué)習(xí)機(jī)參數(shù)優(yōu)化

    3.2.1 改進(jìn)粒子群原理

    傳統(tǒng)粒子群算法存在尋優(yōu)時(shí)間長(zhǎng)、 容易出現(xiàn)局部最優(yōu)的問(wèn)題[11]。本文采用改進(jìn)粒子群算法,通過(guò)改變慣性權(quán)重, 解決傳統(tǒng)粒子群算法全局最優(yōu)解易發(fā)生波動(dòng)的問(wèn)題。 慣性權(quán)重表達(dá)式為

    式中:wmin,wmax分別為慣性權(quán)重最小值、最大值;f為粒子適應(yīng)度;favg為平均適應(yīng)度;fmin為最小適應(yīng)度。

    為了快速確定全局最優(yōu)解, 對(duì)算法進(jìn)行動(dòng)態(tài)調(diào)整,即:

    式中:c1s和c2s分別為c1和c2的初值;c1c和c2c分別為c1和c2的終值;iter 為當(dāng)前迭代的次數(shù);itermax為總迭代的次數(shù)。

    3.2.2 基于改進(jìn)粒子群的ELM 參數(shù)優(yōu)化

    以原始特征集合構(gòu)建含光伏母線峰值負(fù)荷預(yù)測(cè)模型最優(yōu)過(guò)程為例, 展示IPSO 優(yōu)化ELM 過(guò)程如下:

    ①基于原始特征集合構(gòu)建含光伏母線峰值負(fù)荷預(yù)測(cè)ELM(特征集合如表1 所示),并隨機(jī)產(chǎn)生ELM 的輸入權(quán)值ω 和閾值b;

    ②確定輸入含光伏母線負(fù)荷峰值預(yù)測(cè)所需原始特征集合信息的樣本X, 且以理想精度或迭代次數(shù)為結(jié)束條件;

    ③針對(duì)樣本數(shù)據(jù),開展歸一化處理;

    ④根據(jù)ELM 的含光伏母線峰荷預(yù)測(cè)的MAPE 獲得適應(yīng)度值, 并確定當(dāng)前個(gè)體和群體最佳適應(yīng)值;

    ⑤在傳統(tǒng)PSO 基礎(chǔ)上,根據(jù)式(7),(8)更新粒子速度與位置;

    ⑥計(jì)算當(dāng)前粒子適應(yīng)度值。 然后與歷史最優(yōu)值比較,如更優(yōu),則更新粒子最優(yōu)解;否則維持個(gè)體最佳適應(yīng)度值;

    ⑦如果當(dāng)前粒子的適應(yīng)度值比群體最優(yōu)解更優(yōu),則更新群體最優(yōu)解;否則,維持群體最優(yōu)解不變;

    ⑧如未達(dá)到結(jié)束條件,則返回③;否則,將最優(yōu)解ω 和b 代入ELM,構(gòu)建最優(yōu)含光伏母線負(fù)荷峰值預(yù)測(cè)模型。

    本文對(duì)不同維度特征集合構(gòu)建針對(duì)性最優(yōu)ELM 預(yù)測(cè)器,均采用以上方法。

    4 實(shí)驗(yàn)及分析

    本文應(yīng)用某地區(qū)2018 年母線峰值負(fù)荷和氣象信息數(shù)據(jù),在不同氣象日下,對(duì)含光伏DG 母線分別開展針對(duì)性特征選擇。 為證明新方法的先進(jìn)性, 以IPSO-ELM 與ELM 和BP 神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Model,BPNN)作對(duì)比實(shí)驗(yàn)。 以平均絕對(duì)百分比誤差 (Mean Absolute Percent Error,MAPE)、 均 方 根 誤 差 (Root Mean Square Error,RMSE)評(píng)估模型預(yù)測(cè)效果,指標(biāo)計(jì)算方法為

    4.1 基于CMI 的特征選擇分析

    在含光伏DG 的母線峰值負(fù)荷預(yù)測(cè)中,首先,在晴天、 陰雨和多云3 種情況下, 分別通過(guò)CMI分析高維氣象、 社會(huì)等特征與母線峰值負(fù)荷間的相關(guān)性, 獲得特征重要度排序; 然后, 以IPSOELM 為預(yù)測(cè)器,把預(yù)測(cè)結(jié)果的MAPE 值作為決策變量,根據(jù)特征重要度排序結(jié)果,進(jìn)行前向特征選擇, 得到不同氣象日下母線峰值負(fù)荷預(yù)測(cè)的最優(yōu)特征子集,降低原始特征集合內(nèi)特征間的冗余性,提高含光伏DG 母線峰值負(fù)荷預(yù)測(cè)的精度。

    為了展示在不同氣象日下、 不同特征對(duì)含光伏DG 母線峰值負(fù)荷的特征重要度不同, 通過(guò)CMI 計(jì)算各特征對(duì)母線峰值負(fù)荷的特征重要度。圖2 給出了某地區(qū)含光伏DG 的某條母線, 在晴天、多云和陰雨3 種氣象日下的特征重要度。

    圖2 不同氣象日特征重要度分析Fig.2 Significance analysis of different meteorological daily features

    由圖2 可知,不同氣象日?qǐng)鼍跋?,不同因素?duì)母線峰值負(fù)荷的特征重要度不同。 例如在10~20號(hào)特征中,晴天時(shí),F(xiàn)10和F12特征重要度高;在多云時(shí)F10、F17和F20特征重要度高;陰雨時(shí),F(xiàn)20特征重要度高。3 種氣象日最優(yōu)特征集合選擇如圖3 所示。

    圖3 最優(yōu)特征集合選擇過(guò)程Fig.3 Optimal feature set selection

    由圖3 可以看出,隨著特征維度的增加,母線峰值負(fù)荷預(yù)測(cè)的誤差越來(lái)越小, 當(dāng)特征維度增加到一定數(shù)量時(shí),母線峰荷的預(yù)測(cè)誤差達(dá)到最小值。此時(shí),輸入特征的集合為最優(yōu)特征集合,陰天、晴天和多云3 種氣象日下的最優(yōu)特征集合維數(shù)分別為22,25 和20, 且對(duì)應(yīng)預(yù)測(cè)的MAPE 值分別為2.98%,3.08%和3.04%。 因此,在含光伏DG 的母線峰值負(fù)荷預(yù)測(cè)中,為了避免出現(xiàn)特征冗余,需要進(jìn)行特征選擇,提高預(yù)測(cè)精度。

    表2 對(duì)應(yīng)圖3 中3 種氣象日下, 最優(yōu)特征集合選擇結(jié)果。

    表2 最優(yōu)特征集合Table 2 Optimal feature set

    由表2 可知, 不同氣象日最優(yōu)特征集合包含的特征個(gè)數(shù)不同,晴天時(shí)特征個(gè)數(shù)最多,多云時(shí)特征個(gè)數(shù)最少。且同一特征在不同氣象日,對(duì)母線峰值負(fù)荷的特征重要度排序不同,F(xiàn)1 的特征重要度在晴天時(shí)排在第一, 在多云時(shí)排在第三,在陰雨天時(shí)排在第九。 對(duì)于含光伏DG 母線峰值負(fù)荷預(yù)測(cè),在3 種不同氣象日下,最優(yōu)特征集合存在差異,因此,需要針對(duì)不同氣象日,分別進(jìn)行特征選擇,確定不同的最優(yōu)特征集合,針對(duì)性建立不同氣象日下,最優(yōu)預(yù)測(cè)模型。

    4.2 含光伏DG 的母線峰值負(fù)荷預(yù)測(cè)結(jié)果分析

    本文列出2018 年7 月第1 周, 某條含光伏DG 的母線峰值負(fù)荷預(yù)測(cè)結(jié)果。 圖4 為母線針對(duì)性建模和采用原始特征集合建模的預(yù)測(cè)結(jié)果。

    圖4 最優(yōu)模型和原始預(yù)測(cè)模型峰值負(fù)荷預(yù)測(cè)Fig.4 Optimal model and original prediction model for peak load prediction

    表3 為對(duì)應(yīng)圖4 中母線峰值負(fù)荷預(yù)測(cè)曲線的誤差結(jié)果。

    表3 母線峰值負(fù)荷預(yù)測(cè)誤差Table 3 Error of peak load prediction for electric bus

    在最優(yōu)模型下, 母線峰值負(fù)荷預(yù)測(cè)的MAPE值為3.021%;利用原始特征集合建模時(shí),母線峰值負(fù)荷預(yù)測(cè)的MAPE 值為4.352%。 對(duì)比可知,根據(jù)不同氣象日開展的特征選擇, 并建立不同母線峰值負(fù)荷預(yù)測(cè)模型, 可有效提高不同氣象日下含DG 的母線峰值負(fù)荷預(yù)測(cè)精度。

    不同算法,在第2 周的母線峰值負(fù)荷預(yù)測(cè)結(jié)果如圖5 所示。

    圖5 3 種方法的峰值負(fù)荷預(yù)測(cè)Fig.5 Three methods of peak load prediction

    表4 對(duì)應(yīng)圖5 中3 種預(yù)測(cè)方法下的預(yù)測(cè)曲線誤差結(jié)果。

    表4 3 種方法的母線峰值負(fù)荷預(yù)測(cè)誤差Table 4 The peak load prediction errors of the three methods

    由表4 中可以看出,分別應(yīng)用BPNN,ELM 和IPSO-ELM 預(yù)測(cè)母線峰值負(fù)荷時(shí),MAPE 值分別為5.135%,3.961%和3.072%,IPSO-ELM 對(duì)含DG 母線負(fù)荷預(yù)測(cè)的MAPE 值最小。 因此,本文應(yīng)用DG 的IPSO-ELM 預(yù)測(cè)器, 對(duì)于含光伏DG 的母線峰值負(fù)荷進(jìn)行預(yù)測(cè),預(yù)測(cè)精度高。

    5 結(jié)論

    本文提出計(jì)及復(fù)雜氣象影響的母線峰值負(fù)荷預(yù)測(cè)方法,該方法具有以下優(yōu)點(diǎn):①以CMI 值為依據(jù),開展母線峰值負(fù)荷預(yù)測(cè)特征選擇,降低了母線峰值負(fù)荷預(yù)測(cè)時(shí),特征冗余對(duì)預(yù)測(cè)精度的影響;②針對(duì)晴天、 多云和陰雨3 種氣象日分別構(gòu)建最優(yōu)預(yù)測(cè)模型, 含光伏DG 母線峰值的預(yù)測(cè)精度顯著提高;③對(duì)于母線峰值負(fù)荷歷史數(shù)據(jù)少的問(wèn)題,提出應(yīng)用IPSO-ELM 作為預(yù)測(cè)器,滿足小樣本場(chǎng)景下預(yù)測(cè)精度需要。

    猜你喜歡
    特征選擇峰值粒子
    “四單”聯(lián)動(dòng)打造適齡兒童隊(duì)前教育峰值體驗(yàn)
    基于粒子群優(yōu)化的橋式起重機(jī)模糊PID控制
    基于粒子群優(yōu)化極點(diǎn)配置的空燃比輸出反饋控制
    Kmeans 應(yīng)用與特征選擇
    電子制作(2017年23期)2017-02-02 07:17:06
    寬占空比峰值電流型準(zhǔn)PWM/PFM混合控制
    基于峰值反饋的電流型PFM控制方法
    聯(lián)合互信息水下目標(biāo)特征選擇算法
    基于特征選擇和RRVPMCD的滾動(dòng)軸承故障診斷方法
    基于二元搭配詞的微博情感特征選擇
    基于Matlab的α粒子的散射實(shí)驗(yàn)?zāi)M
    物理與工程(2014年4期)2014-02-27 11:23:08
    久久欧美精品欧美久久欧美| 国产欧美日韩一区二区精品| 亚洲成av人片免费观看| xxx96com| 在线观看66精品国产| 国内精品美女久久久久久| 亚洲精品一区av在线观看| 亚洲av美国av| 久久久久九九精品影院| 日本三级黄在线观看| 好看av亚洲va欧美ⅴa在| 日本黄大片高清| 精品国产美女av久久久久小说| 国产高清有码在线观看视频| 欧美极品一区二区三区四区| 成人永久免费在线观看视频| 国产毛片a区久久久久| 精品久久久久久成人av| 亚洲精品久久国产高清桃花| 精品欧美国产一区二区三| 又爽又黄无遮挡网站| 非洲黑人性xxxx精品又粗又长| 色综合欧美亚洲国产小说| 首页视频小说图片口味搜索| 亚洲av成人精品一区久久| 亚洲欧美日韩东京热| 黄色 视频免费看| 神马国产精品三级电影在线观看| 日韩欧美三级三区| 制服丝袜大香蕉在线| 男女视频在线观看网站免费| 国产麻豆成人av免费视频| 午夜成年电影在线免费观看| 一级毛片高清免费大全| 色老头精品视频在线观看| 精品不卡国产一区二区三区| 一进一出抽搐gif免费好疼| 熟女电影av网| 亚洲成人免费电影在线观看| 夜夜看夜夜爽夜夜摸| 女人高潮潮喷娇喘18禁视频| 精品久久久久久,| 精华霜和精华液先用哪个| 日本 av在线| 黄色女人牲交| 18禁国产床啪视频网站| 国产精品九九99| 午夜亚洲福利在线播放| 免费人成视频x8x8入口观看| 成人性生交大片免费视频hd| 两个人看的免费小视频| 亚洲中文日韩欧美视频| 好男人电影高清在线观看| 亚洲精品粉嫩美女一区| 久久久久性生活片| 人人妻人人看人人澡| 又粗又爽又猛毛片免费看| 19禁男女啪啪无遮挡网站| 国产淫片久久久久久久久 | 国产精品,欧美在线| 这个男人来自地球电影免费观看| 精品久久久久久久久久免费视频| 亚洲一区二区三区色噜噜| 亚洲av免费在线观看| 禁无遮挡网站| 久久国产精品人妻蜜桃| 精品电影一区二区在线| 欧美日韩中文字幕国产精品一区二区三区| 最新在线观看一区二区三区| 亚洲午夜精品一区,二区,三区| 欧美av亚洲av综合av国产av| 母亲3免费完整高清在线观看| 法律面前人人平等表现在哪些方面| 网址你懂的国产日韩在线| avwww免费| 91久久精品国产一区二区成人 | 久久热在线av| 久久精品人妻少妇| 亚洲七黄色美女视频| 欧美一级毛片孕妇| 国产精品一区二区精品视频观看| 亚洲精品色激情综合| 一边摸一边抽搐一进一小说| 啦啦啦韩国在线观看视频| 日韩欧美 国产精品| 国产午夜精品久久久久久| 久9热在线精品视频| 免费观看精品视频网站| av中文乱码字幕在线| 久久中文字幕人妻熟女| 蜜桃久久精品国产亚洲av| 婷婷精品国产亚洲av| 国产一区二区在线观看日韩 | 久久久色成人| 国产伦在线观看视频一区| 日韩成人在线观看一区二区三区| 性色avwww在线观看| 久久热在线av| 此物有八面人人有两片| 亚洲欧美日韩卡通动漫| xxx96com| 免费在线观看影片大全网站| 成在线人永久免费视频| 成人三级做爰电影| 黄色日韩在线| 亚洲av成人av| 国产日本99.免费观看| 欧美乱色亚洲激情| 一进一出好大好爽视频| 国产美女午夜福利| 国产伦在线观看视频一区| 五月伊人婷婷丁香| 99国产综合亚洲精品| 久久草成人影院| 欧美绝顶高潮抽搐喷水| av欧美777| 嫩草影院入口| 国产欧美日韩精品一区二区| 97碰自拍视频| 啪啪无遮挡十八禁网站| 看免费av毛片| 精品久久久久久,| 男女视频在线观看网站免费| 日日摸夜夜添夜夜添小说| 波多野结衣高清无吗| 香蕉丝袜av| 欧美中文综合在线视频| 国产乱人视频| 亚洲av熟女| 亚洲第一电影网av| 精品电影一区二区在线| 夜夜爽天天搞| 国产精品电影一区二区三区| 精品国产超薄肉色丝袜足j| АⅤ资源中文在线天堂| 国产成人欧美在线观看| 亚洲熟女毛片儿| 变态另类丝袜制服| 亚洲精品456在线播放app | 在线观看日韩欧美| 757午夜福利合集在线观看| 在线永久观看黄色视频| 无人区码免费观看不卡| 手机成人av网站| 色综合亚洲欧美另类图片| 男插女下体视频免费在线播放| 看片在线看免费视频| 亚洲 国产 在线| 听说在线观看完整版免费高清| 久久精品国产99精品国产亚洲性色| 国产乱人伦免费视频| 精品乱码久久久久久99久播| 日本黄色片子视频| 亚洲午夜精品一区,二区,三区| 丰满人妻一区二区三区视频av | 99久久国产精品久久久| 国语自产精品视频在线第100页| 亚洲,欧美精品.| 国产精品美女特级片免费视频播放器 | 亚洲va日本ⅴa欧美va伊人久久| 国产伦精品一区二区三区视频9 | 人妻久久中文字幕网| 国产黄片美女视频| 亚洲无线在线观看| 久久久久精品国产欧美久久久| 人妻夜夜爽99麻豆av| 黄色视频,在线免费观看| 色av中文字幕| 嫩草影视91久久| 亚洲av熟女| 亚洲欧美日韩高清在线视频| 男女下面进入的视频免费午夜| 国产精华一区二区三区| 搞女人的毛片| 亚洲熟妇熟女久久| 成人三级做爰电影| 此物有八面人人有两片| 国产亚洲av嫩草精品影院| 国产熟女xx| 久久99热这里只有精品18| 成人性生交大片免费视频hd| av天堂中文字幕网| 国产精品av久久久久免费| 欧美国产日韩亚洲一区| 女人高潮潮喷娇喘18禁视频| 真人一进一出gif抽搐免费| 亚洲专区字幕在线| 国产av不卡久久| 91麻豆av在线| 久久精品人妻少妇| 美女cb高潮喷水在线观看 | a级毛片在线看网站| 国产欧美日韩精品一区二区| 91麻豆精品激情在线观看国产| 国内精品久久久久久久电影| 精品国产超薄肉色丝袜足j| 免费看美女性在线毛片视频| 免费观看精品视频网站| 精品国产美女av久久久久小说| 99久久国产精品久久久| 国产精品99久久久久久久久| 精品久久久久久,| 久久中文字幕一级| 中文字幕精品亚洲无线码一区| 天堂网av新在线| 12—13女人毛片做爰片一| 97碰自拍视频| 久久久国产欧美日韩av| 亚洲欧美日韩无卡精品| 亚洲片人在线观看| 免费在线观看日本一区| 日韩欧美精品v在线| 俺也久久电影网| 色综合婷婷激情| 日韩欧美一区二区三区在线观看| 国产精品亚洲av一区麻豆| 日本黄色视频三级网站网址| а√天堂www在线а√下载| 日本一本二区三区精品| 亚洲国产精品999在线| 青草久久国产| 国产伦一二天堂av在线观看| 日本精品一区二区三区蜜桃| www.精华液| 好男人电影高清在线观看| 国产精品久久视频播放| www日本在线高清视频| 亚洲av成人av| 国产aⅴ精品一区二区三区波| 久久久久亚洲av毛片大全| av视频在线观看入口| 亚洲 欧美一区二区三区| 日本 av在线| 中文字幕精品亚洲无线码一区| 黑人巨大精品欧美一区二区mp4| 噜噜噜噜噜久久久久久91| 国产又黄又爽又无遮挡在线| 午夜福利欧美成人| 99热6这里只有精品| 全区人妻精品视频| 18禁美女被吸乳视频| 天堂网av新在线| 男女下面进入的视频免费午夜| 亚洲人与动物交配视频| 精品国产超薄肉色丝袜足j| 亚洲av熟女| 亚洲中文日韩欧美视频| 九色成人免费人妻av| 国产激情久久老熟女| 婷婷精品国产亚洲av在线| 高清毛片免费观看视频网站| 老熟妇乱子伦视频在线观看| 制服丝袜大香蕉在线| 啦啦啦韩国在线观看视频| 久久99热这里只有精品18| 国产亚洲欧美98| 国产一区二区三区视频了| 久久久久久久精品吃奶| 99国产精品一区二区三区| 亚洲中文av在线| 亚洲欧洲精品一区二区精品久久久| 国产精品久久久久久亚洲av鲁大| 欧美成狂野欧美在线观看| 又黄又爽又免费观看的视频| 男女之事视频高清在线观看| netflix在线观看网站| 国产精品免费一区二区三区在线| 亚洲国产中文字幕在线视频| 中文字幕人成人乱码亚洲影| 精品久久蜜臀av无| 亚洲真实伦在线观看| 欧美乱妇无乱码| 免费无遮挡裸体视频| 嫩草影院精品99| 91老司机精品| 国产精品,欧美在线| 欧美日韩亚洲国产一区二区在线观看| 日韩欧美精品v在线| 女警被强在线播放| 国产激情久久老熟女| 99国产极品粉嫩在线观看| 久久性视频一级片| 精品不卡国产一区二区三区| 亚洲aⅴ乱码一区二区在线播放| 亚洲中文日韩欧美视频| 欧美一区二区国产精品久久精品| 亚洲欧美日韩高清在线视频| 美女黄网站色视频| 亚洲专区字幕在线| 黄色视频,在线免费观看| 欧美最黄视频在线播放免费| 岛国视频午夜一区免费看| 欧美日韩亚洲国产一区二区在线观看| 精华霜和精华液先用哪个| 99热6这里只有精品| 免费在线观看影片大全网站| 亚洲色图 男人天堂 中文字幕| 变态另类成人亚洲欧美熟女| 国产成人精品久久二区二区91| 韩国av一区二区三区四区| АⅤ资源中文在线天堂| 亚洲在线自拍视频| 18禁国产床啪视频网站| 久久久久精品国产欧美久久久| av国产免费在线观看| 久久这里只有精品19| 12—13女人毛片做爰片一| 一个人观看的视频www高清免费观看 | 亚洲中文字幕一区二区三区有码在线看 | av黄色大香蕉| 草草在线视频免费看| 欧美成人免费av一区二区三区| av在线蜜桃| 麻豆av在线久日| 日韩精品中文字幕看吧| 久久久久久久精品吃奶| 手机成人av网站| 亚洲七黄色美女视频| 国产精品亚洲美女久久久| 国产精品日韩av在线免费观看| 日本一本二区三区精品| 亚洲av免费在线观看| 一本精品99久久精品77| 亚洲片人在线观看| 国产精品 欧美亚洲| 国产精品久久久av美女十八| 久久久国产成人精品二区| 亚洲 国产 在线| 成人性生交大片免费视频hd| 三级国产精品欧美在线观看 | 日韩欧美国产一区二区入口| 国产成人一区二区三区免费视频网站| 男人舔女人的私密视频| 99久久国产精品久久久| 午夜福利在线在线| 国内精品久久久久久久电影| 人人妻人人澡欧美一区二区| 在线看三级毛片| 男人舔奶头视频| 在线观看日韩欧美| 好男人电影高清在线观看| 国产真实乱freesex| 精品一区二区三区视频在线观看免费| 美女cb高潮喷水在线观看 | 免费在线观看亚洲国产| 国产野战对白在线观看| 色视频www国产| 日韩欧美国产一区二区入口| av片东京热男人的天堂| 欧美日本亚洲视频在线播放| 亚洲精品456在线播放app | 两个人看的免费小视频| 国产精品一区二区三区四区久久| 夜夜躁狠狠躁天天躁| 日韩欧美三级三区| 两个人看的免费小视频| 宅男免费午夜| 亚洲在线自拍视频| 亚洲av成人av| 窝窝影院91人妻| 男女床上黄色一级片免费看| 日日夜夜操网爽| 十八禁网站免费在线| 久久热在线av| 久久久水蜜桃国产精品网| 99热精品在线国产| 床上黄色一级片| 可以在线观看毛片的网站| 国产黄a三级三级三级人| 午夜精品一区二区三区免费看| 国产精品一及| 欧美一级a爱片免费观看看| 亚洲av美国av| 国产欧美日韩精品一区二区| 噜噜噜噜噜久久久久久91| 亚洲成av人片在线播放无| 亚洲av电影在线进入| 国产激情偷乱视频一区二区| 淫秽高清视频在线观看| 好看av亚洲va欧美ⅴa在| 国产精品av久久久久免费| 国产精品亚洲美女久久久| 黄频高清免费视频| 激情在线观看视频在线高清| 成人无遮挡网站| 一级黄色大片毛片| 免费观看的影片在线观看| 国产一区二区三区视频了| 麻豆成人午夜福利视频| 伊人久久大香线蕉亚洲五| 免费在线观看亚洲国产| av国产免费在线观看| 一卡2卡三卡四卡精品乱码亚洲| 啦啦啦免费观看视频1| 亚洲avbb在线观看| 国产欧美日韩一区二区三| 精品久久久久久久久久久久久| 国产精品,欧美在线| 欧美一级a爱片免费观看看| 亚洲精品粉嫩美女一区| 好看av亚洲va欧美ⅴa在| 搡老妇女老女人老熟妇| 欧美日韩精品网址| 十八禁人妻一区二区| 午夜两性在线视频| 成人av在线播放网站| 国产爱豆传媒在线观看| 亚洲成a人片在线一区二区| 亚洲欧美日韩无卡精品| 久久伊人香网站| 在线免费观看的www视频| 99热这里只有是精品50| 亚洲中文av在线| 久久精品国产综合久久久| 欧美日本亚洲视频在线播放| 亚洲avbb在线观看| 国产私拍福利视频在线观看| 窝窝影院91人妻| 色综合站精品国产| 久久精品亚洲精品国产色婷小说| 在线观看美女被高潮喷水网站 | 狂野欧美激情性xxxx| 国产精品香港三级国产av潘金莲| 最近最新中文字幕大全电影3| 亚洲av成人av| 久久久久免费精品人妻一区二区| 91久久精品国产一区二区成人 | 久久欧美精品欧美久久欧美| 性欧美人与动物交配| avwww免费| 制服人妻中文乱码| 国产av不卡久久| 99久久99久久久精品蜜桃| 精品免费久久久久久久清纯| 国产精品亚洲一级av第二区| 国产成人aa在线观看| 亚洲乱码一区二区免费版| 欧美中文日本在线观看视频| 男人舔女人下体高潮全视频| 最近最新中文字幕大全电影3| 五月玫瑰六月丁香| 中文字幕高清在线视频| 日本a在线网址| 国产精品99久久99久久久不卡| 国产精华一区二区三区| 国产乱人视频| 特大巨黑吊av在线直播| 午夜免费观看网址| 国产1区2区3区精品| 精品国产乱码久久久久久男人| 激情在线观看视频在线高清| 热99re8久久精品国产| 亚洲 国产 在线| 久久精品国产99精品国产亚洲性色| 久久这里只有精品中国| 99热这里只有是精品50| 久久久国产精品麻豆| 日本熟妇午夜| 久久久久九九精品影院| 国产三级中文精品| 色综合欧美亚洲国产小说| 国产精品一及| 国产成人精品久久二区二区免费| 亚洲精品中文字幕一二三四区| 婷婷精品国产亚洲av| 国产黄色小视频在线观看| 国产精品99久久99久久久不卡| 母亲3免费完整高清在线观看| 欧美精品啪啪一区二区三区| 老汉色av国产亚洲站长工具| 日韩三级视频一区二区三区| 色av中文字幕| 最好的美女福利视频网| 久久久国产成人免费| 国产视频一区二区在线看| 久久久久久久精品吃奶| 两性午夜刺激爽爽歪歪视频在线观看| 久久久精品欧美日韩精品| 亚洲中文日韩欧美视频| 国产黄a三级三级三级人| 国产成人av激情在线播放| 色吧在线观看| 色尼玛亚洲综合影院| 久久这里只有精品中国| 欧美极品一区二区三区四区| av国产免费在线观看| 少妇的丰满在线观看| 无遮挡黄片免费观看| av片东京热男人的天堂| 午夜免费成人在线视频| 免费在线观看成人毛片| 亚洲精品在线观看二区| 国产成人一区二区三区免费视频网站| 亚洲专区中文字幕在线| 淫秽高清视频在线观看| 免费一级毛片在线播放高清视频| 亚洲国产欧美人成| 婷婷亚洲欧美| 日韩有码中文字幕| 国产真人三级小视频在线观看| 亚洲在线自拍视频| 午夜亚洲福利在线播放| 国产99白浆流出| 首页视频小说图片口味搜索| 97超视频在线观看视频| netflix在线观看网站| a级毛片在线看网站| 日本免费一区二区三区高清不卡| 精品午夜福利视频在线观看一区| 亚洲av美国av| 搞女人的毛片| 久久久色成人| 国产av在哪里看| 国产单亲对白刺激| 五月伊人婷婷丁香| 后天国语完整版免费观看| 伦理电影免费视频| 1024香蕉在线观看| 免费观看精品视频网站| 亚洲av日韩精品久久久久久密| 国产亚洲精品综合一区在线观看| 久久久久久久午夜电影| 99国产精品99久久久久| 极品教师在线免费播放| 超碰成人久久| 日本a在线网址| 国产毛片a区久久久久| 精品久久久久久久末码| 亚洲成人免费电影在线观看| 一边摸一边抽搐一进一小说| 免费av不卡在线播放| 18美女黄网站色大片免费观看| 国产精品1区2区在线观看.| 99久久无色码亚洲精品果冻| 国产精品一区二区三区四区免费观看 | 精品久久久久久成人av| 国内揄拍国产精品人妻在线| 亚洲国产精品久久男人天堂| 免费av毛片视频| 国产 一区 欧美 日韩| 国产精品一及| 国产人伦9x9x在线观看| 美女大奶头视频| 午夜精品久久久久久毛片777| 大型黄色视频在线免费观看| 免费观看的影片在线观看| 美女高潮喷水抽搐中文字幕| av天堂中文字幕网| 精品国产乱码久久久久久男人| 丝袜人妻中文字幕| 啦啦啦韩国在线观看视频| 亚洲av日韩精品久久久久久密| 成人永久免费在线观看视频| 日韩av在线大香蕉| 国产免费男女视频| 狠狠狠狠99中文字幕| 免费看光身美女| 99国产精品一区二区蜜桃av| 国内精品一区二区在线观看| 天天躁日日操中文字幕| 欧美激情久久久久久爽电影| 亚洲精品中文字幕一二三四区| 国产成+人综合+亚洲专区| а√天堂www在线а√下载| 国产精品一区二区精品视频观看| 国产精品久久久久久人妻精品电影| 成人永久免费在线观看视频| cao死你这个sao货| 国产精品久久久久久久电影 | 日韩欧美一区二区三区在线观看| 久久午夜综合久久蜜桃| 国产高清视频在线观看网站| 99热精品在线国产| 视频区欧美日本亚洲| 国产精品亚洲美女久久久| 少妇裸体淫交视频免费看高清| 欧美乱色亚洲激情| 色精品久久人妻99蜜桃| 日韩中文字幕欧美一区二区| 欧美日韩一级在线毛片| av中文乱码字幕在线| 亚洲国产精品久久男人天堂| 五月玫瑰六月丁香| 午夜日韩欧美国产| 99国产精品一区二区蜜桃av| 在线a可以看的网站| 色精品久久人妻99蜜桃| 一级毛片高清免费大全| 中文字幕人成人乱码亚洲影| 色尼玛亚洲综合影院| 老熟妇乱子伦视频在线观看| 1024手机看黄色片| 成人三级黄色视频| 国产成人av教育| 国产高潮美女av| e午夜精品久久久久久久| 精华霜和精华液先用哪个| 欧美国产日韩亚洲一区| 国产高清视频在线观看网站| 国产激情偷乱视频一区二区| 最近最新中文字幕大全免费视频| 一级黄色大片毛片| 久久午夜亚洲精品久久| 此物有八面人人有两片| 岛国在线免费视频观看| 亚洲av片天天在线观看| 免费搜索国产男女视频| 人妻夜夜爽99麻豆av| 久久久久性生活片| 男女做爰动态图高潮gif福利片| 国产av一区在线观看免费| 欧美在线黄色| 99久久成人亚洲精品观看| 国产成年人精品一区二区| 亚洲国产日韩欧美精品在线观看 |