• <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 ?

    變壓器在線監(jiān)測(cè)數(shù)據(jù)異常值檢測(cè)與清洗

    2020-11-30 08:32:32錢宇騁甄超季坤趙常威付龍明張亞靜
    關(guān)鍵詞:means聚類時(shí)間序列變壓器

    錢宇騁 甄超 季坤 趙常威 付龍明 張亞靜

    摘 要:在線監(jiān)測(cè)數(shù)據(jù)能夠?qū)崟r(shí)監(jiān)測(cè)變壓器狀態(tài),然而經(jīng)調(diào)查發(fā)現(xiàn)存在數(shù)據(jù)不可靠的問題,直接關(guān)系到后續(xù)狀態(tài)評(píng)估的準(zhǔn)確性。針對(duì)在線監(jiān)測(cè)數(shù)據(jù)中異常值特點(diǎn),以及一般的異常狀態(tài)檢測(cè)方法是基于閾值,噪聲數(shù)據(jù)難以及時(shí)甄別的問題,提出了一種基于灰色關(guān)聯(lián)度和K-means聚類的方法。利用灰色關(guān)聯(lián)法對(duì)在線監(jiān)測(cè)的多元時(shí)間序列數(shù)據(jù)進(jìn)行關(guān)聯(lián)度挖掘,提取出關(guān)聯(lián)性強(qiáng)的序列為后續(xù)多元序列異常數(shù)據(jù)檢測(cè)提供依據(jù);其次建立基于k-means聚類的方法建立數(shù)據(jù)的異常檢測(cè)模型;最后研究了時(shí)間序列預(yù)測(cè)方法,完成趨勢(shì)預(yù)測(cè)并填充缺失值和噪聲值,保持?jǐn)?shù)據(jù)完整性。通過某變電站的在線監(jiān)測(cè)數(shù)據(jù)對(duì)此算法進(jìn)行驗(yàn)證,結(jié)果表明該方法可及時(shí)完成異常檢測(cè)及清洗,清洗后準(zhǔn)確率93.9%,完備率可達(dá)98.6%,有較高使用價(jià)值。

    關(guān)鍵詞:變壓器;在線監(jiān)測(cè)數(shù)據(jù);K-means聚類;異常值檢測(cè);時(shí)間序列

    DOI:10.15938/j.jhust.2020.05.003

    中圖分類號(hào): TM411

    文獻(xiàn)標(biāo)志碼: A

    文章編號(hào): 1007-2683(2020)05-0015-08

    Abstract:The online monitoring data can monitor the status of the transformer in real time. However, it is found that there is a problem of unreliable data, which is directly related to the accuracy of the subsequent status assessment. In view of the characteristics of abnormal values in online monitoring data, and the general abnormal state detection method is based on the threshold, it is difficult to distinguish the noise data in time, so a method based on gray correlation and K-means clustering is proposed. The gray correlation method is used to mine the degree of association of online multivariate time series data, and the strong correlation sequence is extracted to provide a basis for the subsequent multivariate sequence anomaly data detection. Secondly, an anomaly detection model based on k-means clustering method is established. Finally, the time series forecasting method is studied, the trend forecast is completed and the missing values and noise values are filled to maintain data integrity. The algorithm is verified by the online monitoring data of a substation. The results show that the method can complete abnormal detection and cleaning in time. The accuracy rate after cleaning is 93.9%, and the completion rate can reach 98.6%, which has high use value.

    Keywords:transformer; online monitoring data; K-means clustering; outlier detection; time series

    0 引 言

    近年來,電力系統(tǒng)是否能安全穩(wěn)定運(yùn)行等問題引起用戶廣泛關(guān)注,電力公司不斷推進(jìn)智能電網(wǎng)建設(shè),逐步擴(kuò)大變壓器實(shí)時(shí)監(jiān)測(cè)的廣度與深度,利用傳感器裝置不間斷地測(cè)量反映設(shè)備運(yùn)行狀態(tài)的關(guān)鍵特征參量。針對(duì)變壓器的狀態(tài)監(jiān)測(cè)手段在國內(nèi)外已有較多的研究,主要包括變壓器的繞組溫度[1]、頂層油溫、局部放電、油中氣體含量分析(dissolved gas analysis,DGA)[2]等。 然而數(shù)據(jù)的質(zhì)量不高會(huì)影響狀態(tài)評(píng)估時(shí)準(zhǔn)確率,因此診斷分析之前,進(jìn)行異常數(shù)據(jù)檢測(cè)與清洗十分必要。

    現(xiàn)階段針對(duì)變壓器的油中溶解氣體分析、基于頻率響應(yīng)的繞組狀態(tài)監(jiān)測(cè)[3]以及基于油中糠醛、紙聚合度[4]等單一系統(tǒng)的設(shè)備信息異常數(shù)據(jù)的檢測(cè),通過設(shè)定閾值[5]進(jìn)行分析,方法簡單但準(zhǔn)確率不高。

    聚類方法作為大數(shù)據(jù)中的一項(xiàng)成熟技術(shù)[6],通過將聚類方法與神經(jīng)網(wǎng)絡(luò)[7]、滑動(dòng)窗口[8]、層次分析法[9]、支持向量機(jī)等方法結(jié)合,實(shí)現(xiàn)參數(shù)優(yōu)化或樣本轉(zhuǎn)換,有許多用于變壓器檢測(cè)的程序。 但是,分離的噪聲數(shù)據(jù)會(huì)被直接刪除,這會(huì)破壞狀態(tài)數(shù)據(jù)的連續(xù)性。上述研究導(dǎo)致數(shù)據(jù)清理過程中的數(shù)據(jù)丟失,這不利于后續(xù)狀態(tài)評(píng)估。 近年來,國內(nèi)外研究人員也將時(shí)間序列模型(auto regressive moving average,ARMA)引入電力應(yīng)用[10],主要應(yīng)用于電路故障診斷及階段故障率預(yù)測(cè)[11]、發(fā)電量預(yù)測(cè)[12]、電力負(fù)荷預(yù)測(cè)[13],通過ARMA時(shí)間序列分析模型將去除的噪聲數(shù)據(jù)補(bǔ)足以提高狀態(tài)評(píng)估時(shí)的準(zhǔn)確性??偟膩碚f,應(yīng)用在負(fù)荷預(yù)測(cè)中較多,但在狀態(tài)監(jiān)測(cè)方面很少,由于時(shí)間序列能夠表征狀態(tài)監(jiān)測(cè)的數(shù)據(jù)流,將成為狀態(tài)監(jiān)測(cè)中大數(shù)據(jù)技術(shù)的一個(gè)發(fā)展趨勢(shì)。

    基于以上分析,提出一種基于K-means和時(shí)間序列分析的變壓器異常值檢測(cè)與清洗的方法。通過灰色關(guān)聯(lián)法從多維的在線監(jiān)測(cè)數(shù)據(jù)流中篩選關(guān)聯(lián)度高的相關(guān)序列,然后基于K-means方法對(duì)在線監(jiān)測(cè)數(shù)據(jù)進(jìn)行異常檢測(cè),利用時(shí)間序列預(yù)測(cè)方法完成噪聲數(shù)據(jù)清洗及趨勢(shì)預(yù)測(cè)。本文方法可完成在線監(jiān)測(cè)數(shù)據(jù)異常檢測(cè),完成修正噪聲點(diǎn)填補(bǔ)缺失值的清洗工作,祛除外界噪聲值或突變值的影響,并且對(duì)后期時(shí)間序列數(shù)據(jù)預(yù)測(cè)分析,及時(shí)發(fā)現(xiàn)趨勢(shì)異常。

    1 異常數(shù)據(jù)檢測(cè)模型的建立

    變壓器在線監(jiān)測(cè)狀態(tài)信息數(shù)據(jù),通過傳感器采集、傳輸后集成在數(shù)據(jù)信息平臺(tái)上。按時(shí)間先后順序排列的特征量數(shù)據(jù),可認(rèn)為采集的在線數(shù)據(jù)形成了一個(gè)連續(xù)而完整的時(shí)間序列。但由于傳感器短時(shí)失效、通訊端口異常、裝置老化以及一些人工失誤等多種因素的存在,收集的狀態(tài)信息數(shù)據(jù)會(huì)不可避免出現(xiàn)多種狀態(tài)的異常值[14]。在線監(jiān)測(cè)異常數(shù)據(jù)的產(chǎn)生有多種原因,噪聲值,這部分?jǐn)?shù)據(jù)是與變壓器自身無關(guān),數(shù)據(jù)測(cè)量或傳輸系統(tǒng)受到外部環(huán)境因素的干擾而意外失靈包括缺失值、不變數(shù)據(jù)值、孤立噪聲值、短時(shí)有變數(shù)據(jù)值。由裝置異常引起的異常數(shù)據(jù),持續(xù)性缺失值,高噪聲或高方差異常數(shù)據(jù),關(guān)聯(lián)性性強(qiáng)的狀態(tài)量同時(shí)出現(xiàn)突變,關(guān)聯(lián)性強(qiáng)的檢測(cè)量上升趨勢(shì)異常。因此,提出基于灰色關(guān)聯(lián)分析與K-means聚類方法對(duì)在線監(jiān)測(cè)數(shù)據(jù)異常檢測(cè)。

    1.1 多元時(shí)間序列關(guān)聯(lián)挖掘

    在線監(jiān)測(cè)數(shù)據(jù)類型繁多,實(shí)現(xiàn)特征提取顯得十分必要,本節(jié)將對(duì)在線監(jiān)測(cè)數(shù)據(jù)的多元時(shí)間序列進(jìn)行關(guān)聯(lián)度挖掘,提取出關(guān)聯(lián)性強(qiáng)的序列為后續(xù)多元序列異常數(shù)據(jù)監(jiān)測(cè)提供依據(jù)。實(shí)時(shí)狀態(tài)信息中提取關(guān)鍵參量不僅能縮減處理時(shí)間,降低在線監(jiān)測(cè)數(shù)據(jù)的復(fù)雜性,更能有力保證狀態(tài)數(shù)據(jù)處理高效性、有效性,為電網(wǎng)運(yùn)行實(shí)時(shí)提供檢修、調(diào)度決策。

    在線監(jiān)測(cè)參量大都是隨時(shí)間發(fā)生連續(xù)變化的數(shù)據(jù)[15],灰色關(guān)聯(lián)分析非常適合于歷史動(dòng)態(tài)分析,可以提供發(fā)展和變化情況的定量度量,因此使用灰色關(guān)聯(lián)方法來度量相關(guān)序列。該分析法衡量關(guān)聯(lián)程度是根據(jù)變量間發(fā)展趨勢(shì)的相似程度,若兩條曲線同步波動(dòng)變化相似,則關(guān)聯(lián)度較高,反之較低[16]。下面給出灰色關(guān)聯(lián)分析模型計(jì)算的5個(gè)步驟。

    1)確定分析的序列矩陣

    2)對(duì)變量序列進(jìn)行無量綱化

    由于在線監(jiān)測(cè)數(shù)據(jù)屬性差異不同,導(dǎo)致度量標(biāo)準(zhǔn)也亦不同,會(huì)對(duì)最后的結(jié)論造成一定的影響。因此根據(jù)式(1)無量綱化,采用極值化的方法,即每一個(gè)變量值除以該變量取值的最大值,標(biāo)準(zhǔn)化后使變量的最大取值為1得到新的無量綱化矩陣:(y′0,x′1,x′2,x′3,…,x′i)。

    3)求灰色關(guān)聯(lián)系數(shù)

    式中:|x0(k)-xi(k)|為k時(shí)刻xi與x0的絕對(duì)差,min|x0(k)-xi(k)|為極小差,max|x0(k)+xi(k)|為極大差,ρ為分辨系數(shù)。ρ值對(duì)關(guān)聯(lián)系數(shù)的影響很大,根據(jù)因素間的關(guān)聯(lián)分析可以選擇不同的分辨系數(shù),一般取ρ=0.5可以得到滿意的分辨率。

    4)計(jì)算關(guān)聯(lián)度

    求各個(gè)時(shí)刻關(guān)聯(lián)系數(shù)的平均值,將其集中為一個(gè)值即關(guān)聯(lián)度。

    5)灰色關(guān)聯(lián)度排序

    將比較序列對(duì)同一參考序列的關(guān)聯(lián)度,按降序排列組成關(guān)聯(lián)序。與參考序列關(guān)聯(lián)度較大的序列可以作為異常數(shù)據(jù)檢測(cè)時(shí)多元序列的參考。

    1.2 異常數(shù)據(jù)檢測(cè)模型

    變壓器正常運(yùn)行時(shí)的各狀態(tài)參量數(shù)據(jù)具有較穩(wěn)定的波動(dòng)范圍,因此可利用基于K-means聚類方法的數(shù)據(jù)異常識(shí)別及分類,對(duì)正常的歷史運(yùn)行數(shù)據(jù)進(jìn)行聚類得到聚類中心,計(jì)算新輸入的數(shù)據(jù)到聚類中心的距離是否超過閾值,從而判斷數(shù)據(jù)是否異常。

    首先將在線監(jiān)測(cè)數(shù)據(jù)X的樣本分成K類,聚類中心為C={c1,c2,…cj,…,ck},樣本xi與cj的距離用dij(xi,cj)表示,目標(biāo)函數(shù)J是X中dij(xi,cj)的總和,由下式計(jì)算目標(biāo)函數(shù)J的值與聚類效果關(guān)系呈現(xiàn)負(fù)相關(guān)關(guān)系,當(dāng)J越小該聚類效果越好,因此當(dāng)J到達(dá)最小值時(shí),即為最優(yōu)聚類方案。xi與其相應(yīng)cj間的相似性指標(biāo)選擇歐氏距離,則目標(biāo)函數(shù)可以定義為:

    1)收集變壓器大量正常運(yùn)行的在線監(jiān)測(cè)數(shù)據(jù)的歷史數(shù)據(jù),使用K-means方法對(duì)其分析,并獲得最優(yōu)聚類中心與聚類結(jié)果;

    2)針對(duì)新數(shù)據(jù),計(jì)算與聚類中心的距離,并與閾值R相對(duì)比;

    3)若數(shù)據(jù)不屬于任何一個(gè)聚類中心,則數(shù)據(jù)處于異常狀態(tài),若屬于某一個(gè)聚類中心,則將數(shù)據(jù)加入歷史數(shù)據(jù)中計(jì)算新的最優(yōu)聚類中心以及聚類結(jié)果。

    4)根據(jù)前兩步的輸出結(jié)果,比較異常數(shù)據(jù)點(diǎn)鄰近的其他時(shí)刻數(shù)據(jù)點(diǎn)是否為異常點(diǎn),根據(jù)周圍數(shù)據(jù)可分析該數(shù)據(jù)的異常模式。

    2 基于ARMA模型的在線數(shù)據(jù)預(yù)測(cè)模型建立

    上一節(jié)對(duì)變壓器在線監(jiān)測(cè)狀態(tài)量,利用聚類及關(guān)聯(lián)分析分析出異常數(shù)據(jù),并劃分了不同類型,本節(jié)利用時(shí)間序列ARMA分析模型清洗異常數(shù)據(jù),并預(yù)測(cè)后續(xù)發(fā)展及時(shí)發(fā)現(xiàn)趨勢(shì)異常。

    2.1 在線監(jiān)測(cè)數(shù)據(jù)時(shí)間序列表征

    通過各個(gè)傳感器完成變壓器在線狀態(tài)量的監(jiān)測(cè)結(jié)果,按時(shí)間先后順序排列的特征量數(shù)據(jù)[15],可認(rèn)為采集的在線數(shù)據(jù)形成了一個(gè)連續(xù)而完整的時(shí)間序列。由影響因素發(fā)生作用的大小和方向變化不同可分為三類。

    平穩(wěn)時(shí)間序列:隨著時(shí)間的變化,狀態(tài)變量并不隨之變化。波動(dòng)幅度隨時(shí)間變化:隨著時(shí)間變化,狀態(tài)變量的方差發(fā)生變化。非平穩(wěn)時(shí)間序列:有兩種,趨勢(shì)性時(shí)間序列,表現(xiàn)為監(jiān)測(cè)變量隨著時(shí)間的變化呈現(xiàn)出變動(dòng)趨向,持續(xù)性、長期性出現(xiàn)較緩慢的上下。周期性時(shí)間序列,表現(xiàn)為監(jiān)測(cè)變量隨著季節(jié)或者其他周期的交替出現(xiàn)高峰與低谷,周期內(nèi)的時(shí)間序列有相似的特征。由此選取變壓器在線監(jiān)測(cè)的實(shí)時(shí)數(shù)據(jù)以下幾類,作為后續(xù)在線數(shù)據(jù)預(yù)測(cè)算法的基礎(chǔ)。然而閃絡(luò)放電的電壓、電流等突變的數(shù)據(jù)類型,屬于有用的故障信息不能舍去,所以在此不能適用于時(shí)間序列分析方法。

    1)短期平穩(wěn)長期緩慢上升序列:該類數(shù)據(jù)包括微水、氫氣、CH4、C2H4、C2H6等。

    2)長期平穩(wěn)序列:無明顯下降趨勢(shì),僅在設(shè)備狀態(tài)異常時(shí)數(shù)值會(huì)明顯升高。該類數(shù)據(jù)包括鐵芯接地電流、C2H2、套管全電流等。

    3)短至長期均為緩慢上升序列:監(jiān)測(cè)數(shù)據(jù)中的CO和CO2數(shù)據(jù)長期表現(xiàn)為向上的趨勢(shì)。這類數(shù)據(jù)可通過差分運(yùn)算進(jìn)行變換,對(duì)非平穩(wěn)序列的均值平穩(wěn)化預(yù)處理,通過這種方法可以將趨勢(shì)性去除,變?yōu)槠椒€(wěn)性序列。

    4)周期性序列,通常以天為單位:包括變壓器繞組、頂層、底層等的油溫,在實(shí)際清洗過程中先用季節(jié)差分將這些數(shù)據(jù)變?yōu)槠椒€(wěn)時(shí)間序列,再進(jìn)行擬合,以降低計(jì)算的復(fù)雜度。

    2.2 基于時(shí)間序列異常數(shù)據(jù)預(yù)測(cè)模型

    對(duì)變壓器未來的異常狀況進(jìn)行預(yù)測(cè),需要對(duì)變壓器未來的在線監(jiān)測(cè)數(shù)據(jù)的情況進(jìn)行分析。時(shí)間序列的趨勢(shì)會(huì)持續(xù)到最近的未來,因此通過自回歸滑動(dòng)平均模型ARMA來分析研究時(shí)間序列[17],對(duì)于一個(gè)時(shí)間序列{x1,x2,…,xn,…}表達(dá)式如下。

    3 算例分析

    選取某變電站1號(hào)變壓器為例,對(duì)繁多的在線監(jiān)測(cè)數(shù)據(jù)類型實(shí)現(xiàn)特征提取,按照1.1節(jié)中灰色關(guān)聯(lián)分析法的計(jì)算步驟,對(duì)多元時(shí)間序列進(jìn)行關(guān)聯(lián)度挖掘。以將C2H4作為參考序列,CH4、H2、C2H2、CO、CO2、O2作為比較序列為例,建立分析矩陣,對(duì)矩陣中的各個(gè)序列按式(1)進(jìn)行無量綱化,得到新的矩陣,計(jì)算關(guān)聯(lián)系數(shù)后由式(3)即可得到關(guān)聯(lián)度如圖3所示??芍狢2H4和H2及CH4三種參量關(guān)聯(lián)較高,聚類分析時(shí)綜合考慮這三種氣體。

    應(yīng)用改進(jìn)的K-means算法進(jìn)行變壓器異常狀態(tài)快速識(shí)別。對(duì)此變壓器2016年1月2日-2016年8月25日間,以CH4為例將其327組變壓器正常歷史數(shù)據(jù)樣本輸入到聚類算法中,按照正常數(shù)據(jù)類型的性質(zhì)取k=3。如圖4所示,聚類結(jié)果輸出3個(gè)聚類簇,三個(gè)聚類簇中數(shù)據(jù)與中心距離的最大值分別是209.3751、272.0998與232.7127。

    將3個(gè)聚類簇中數(shù)據(jù)與中心距離的最大值乘上常數(shù)D作為R。選取該變電站同型號(hào)設(shè)備100組待檢測(cè)數(shù)據(jù),判斷數(shù)據(jù)是否異常,D取不同值時(shí)檢測(cè)結(jié)果有不同準(zhǔn)確率,當(dāng)D取1時(shí)檢測(cè)效果較好。但是D的取值范圍并非一成不變,在實(shí)際運(yùn)行中需要根據(jù)具體數(shù)據(jù)或經(jīng)驗(yàn)進(jìn)行調(diào)整,可選取待測(cè)數(shù)據(jù)進(jìn)行調(diào)試,選取準(zhǔn)確率最高時(shí)的D值。

    將選取的待檢測(cè)數(shù)據(jù)根據(jù)1.2節(jié)K-means聚類分析模型,通過判斷數(shù)據(jù)集里每個(gè)時(shí)間點(diǎn)的數(shù)據(jù)與聚類中心間的距離與閾值的大小,來判斷是否屬于正常簇,結(jié)果如圖5所示(1表示異常數(shù)據(jù),0表示正常數(shù)據(jù)),關(guān)聯(lián)度分析可知C2H4和H2及CH4的關(guān)聯(lián)較高,所以將這三種氣體綜合考慮。

    以異常數(shù)據(jù)判斷結(jié)果圖中的CH4聚類結(jié)果為例可以看出,主要存在以下種類型的數(shù)據(jù):

    1)在T=50、T=201等時(shí)間點(diǎn),均不屬于3個(gè)聚類簇,但是其周圍時(shí)刻的數(shù)據(jù)均正常,則此時(shí)是噪聲點(diǎn),可能是由于某傳感器不穩(wěn)定造成,可以將此忽略,去除此時(shí)的孤立噪聲值,并通過進(jìn)一步的時(shí)間序列分析方法,對(duì)去除噪聲值的部分填充,以免去除值后的空白對(duì)后續(xù)的變壓器狀態(tài)評(píng)估造成影響。

    2)在T=100~110,出現(xiàn)連續(xù)數(shù)據(jù)為異常數(shù)據(jù)點(diǎn),推斷可能是傳輸設(shè)備在該段時(shí)間出現(xiàn)了不穩(wěn)定的運(yùn)行狀態(tài)或者受到了干擾,經(jīng)查驗(yàn)采集設(shè)備并未發(fā)生狀態(tài)異常,可能是因?yàn)閿?shù)據(jù)錄入導(dǎo)致的數(shù)據(jù)空白,此時(shí)需要通過進(jìn)一步的時(shí)間序列分析方法,對(duì)空白數(shù)據(jù)填充,以免空缺值對(duì)后續(xù)的變壓器狀態(tài)評(píng)估造成影響。

    3)在T=240之后,大段連續(xù)數(shù)據(jù)均出現(xiàn)異常,由此推斷設(shè)備在該時(shí)刻后出現(xiàn)了可能的異常狀態(tài)。此時(shí)參考C2H4和H2兩種氣體的聚類結(jié)果,兩類氣體大概在T=255左右均出現(xiàn)連續(xù)數(shù)據(jù)異常,由此可以推斷出大概率變壓器出現(xiàn)了病變,應(yīng)該發(fā)出告警,并需要盡快安排設(shè)備健康狀態(tài)評(píng)估以及相應(yīng)的檢修手段。

    對(duì)時(shí)間T=50、T=201去除了噪聲值,T=100~110時(shí)為數(shù)據(jù)缺失值,出現(xiàn)數(shù)據(jù)丟失的情況,通過ARMA時(shí)間序列分析模型擬合在線監(jiān)測(cè)數(shù)據(jù),將其補(bǔ)足以提高評(píng)估準(zhǔn)確性,以CH4為例說明方法的有效性。根據(jù)自相關(guān)系數(shù)和偏自相關(guān)系數(shù)確定 ARMA(p,q)模型階數(shù),繪制序列的自相關(guān)函數(shù)和偏相關(guān)函數(shù)分別如圖 6和圖 7所示。

    4 結(jié) 語

    1)本文針對(duì)在線監(jiān)測(cè)數(shù)據(jù)中異常值特點(diǎn),提出基于灰色關(guān)聯(lián)度和K-means聚類算法對(duì)變壓器在線監(jiān)測(cè)數(shù)據(jù)異常檢測(cè)??杀碚麝P(guān)聯(lián)度高的相關(guān)序列,并快速及時(shí)完成在線監(jiān)測(cè)數(shù)據(jù)異常檢測(cè)并分類,并利用時(shí)間序列預(yù)測(cè)方法完成噪聲清洗,祛除外界噪聲值或突變值的影響,提高告警準(zhǔn)確率,解決了傳統(tǒng)閾值判定方法誤判情況。但存在一定局限性,如聚類算法對(duì)如何選取參數(shù)、聚類個(gè)數(shù)k均沒有合適的方法,需要基于訓(xùn)練數(shù)據(jù)進(jìn)行參數(shù)優(yōu)化。

    2)利用時(shí)間序列預(yù)測(cè)方法針對(duì)異常數(shù)據(jù)中的噪聲點(diǎn),進(jìn)一步進(jìn)行補(bǔ)充優(yōu)化,為后續(xù)預(yù)測(cè)數(shù)據(jù)趨勢(shì)打下基礎(chǔ),解決了因數(shù)據(jù)噪聲點(diǎn)引起的數(shù)據(jù)預(yù)測(cè)失誤問題,提高后續(xù)狀態(tài)診斷的準(zhǔn)確率。

    3)改進(jìn)之處在于本文提出的方法目前僅針對(duì)變壓器的在線監(jiān)測(cè)數(shù)據(jù)實(shí)行了現(xiàn)實(shí)應(yīng)用,并能達(dá)到較高效用,但是對(duì)于其他的電力設(shè)備如輸電線路、GIS等設(shè)備在線監(jiān)測(cè)數(shù)據(jù)的異常檢測(cè)需進(jìn)一步驗(yàn)證。

    參 考 文 獻(xiàn):

    [1] 張喜樂,何松坡,王建民,等.換流變壓器繞組損耗及熱點(diǎn)溫升的仿真研究[J].變壓器,2019,56(7):24.

    ZHANG Xile,HE Songpo,WANG Jianmin,et al. Numerical Simulation of Winding Loss and Hot Spot Temperature Rise for Converter Transformer[J]. Transformer,2019,56(7):24.

    [2] 李文志,朱娟.變壓器油色譜數(shù)據(jù)異常的原因分析及處理[J].電工技術(shù),2020(1):115.

    LI Wenzhi,ZHU Juan. Cause Analysis and Treatment of Abnormal Oil Chromatographic Data of Transformer[J]. Electric Engineering,2020(1):115.

    [3] 陳一鳴,梁軍,張靜偉,等.基于改進(jìn)參數(shù)辨識(shí)的三繞組變壓器繞組狀態(tài)在線監(jiān)測(cè)方法[J].高電壓技術(shù),2019,45(5):1567.

    CHEN Yiming,LIANG Jun,ZHANG Jingwei,et al. Method of Online Status Monitoring for Windings of Three-winding Transformer Based on Improved Parameter Identification[J]. High Voltage Engineering,2019,45(5):1567.

    [4] 李元,張崟,唐峰,等.利用近紅外光譜定量評(píng)估絕緣紙聚合度的建模方法研究[J].中國電機(jī)工程學(xué)報(bào),2019,39(S1):287.

    LI Yuan,ZHANG Yin,TANG Feng,et al. Investigations on Quantitative Evaluation Modeling for Determining the Degree of Polymerization of Insulating Paper by Near Infrared Spectroscopy[J]. Proceedings of the CSEE,2019,39(S1):287.

    [5] 中華人民共和國國家經(jīng)濟(jì)貿(mào)易委員會(huì).變壓器油中溶解氣體分析和判斷導(dǎo)則:DL/T722—2000[S].北京:中國電力出版社,2001.

    [6] 王亞萍,李士松,葛江華,等.等距離映射和模糊C均值的滾動(dòng)軸承故障識(shí)別[J].哈爾濱理工大學(xué)學(xué)報(bào),2019,24(3):41.

    WANG Yaping,LI Shisong GE,Jianghua,et al. Rolling Bearing with Isometric Feature Mapping and Fuzzy C-means Fault Identification Method[J]. Journal of Harbin University of Science and Technology,2019,24(3):41.

    [7] 徐京京. 基于聚類和神經(jīng)網(wǎng)絡(luò)的異常數(shù)據(jù)識(shí)別算法研究[D].北京:華北電力大學(xué),2019.

    [8] 嚴(yán)英杰,盛戈皞,劉亞東,等.基于滑動(dòng)窗口和聚類算法的變壓器狀態(tài)異常檢測(cè)[J].高電壓技術(shù),2016,42(12):4020.

    YAN Yingjie,SHENG Gehao,LIU Yadong,et al.Anomalous State Detection of Power Transformer Based on Algorithm Sliding Windows and Clustering[J]. High Voltage Engineering,2016,42(12):4020.

    [9] 王楠,王偉,張鑫,等.改進(jìn)的層次分析法在變壓器油紙絕緣狀態(tài)評(píng)估中的應(yīng)用[J].高壓電器,2019,55(12):187.

    WANG Nan,WANG Wei,ZHANG Xin,et al. Application of Improved Analytic Hierarchy Process in Transformer Oil-paper Insulation State Evaluation[J]. High Voltage Apparatus,2019,55(12):187.

    [10]李波,林聰,劉清蟬,等.基于時(shí)序建模的光纖電流互感器隨機(jī)噪聲卡爾曼濾波方法[J].電機(jī)與控制學(xué)報(bào),2017,21(4):83.

    LI Bo,LIN Cong,LIU Qingchan,et al. Kalman Filter Offiber Optical Current Transducer's Stochastic Noise Based on Time Series Model[J]. Electric Machines and Control,2017,21(4):83.

    [11]邊寧,許允之.基于ARMA和遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)電動(dòng)機(jī)斷條故障診斷[J].煤礦機(jī)電,2017(3):23.

    BIAN Ning,XU Yunzhi. Fault Diagnosis of BP Neural Network Based on ARMA and Genetic Algorithm Optimization[J]. Colliery Mechanical & Electrical Technology,2017(3):23.

    [12]范金驥.基于ARMA與ANN模型組合交叉方法的電網(wǎng)日負(fù)荷預(yù)測(cè)[J].浙江電力,2018,37(8):35.

    FAN Jinji. Daily Grid Load Forecasting Based on ARMA and ANN Model Combined Crossing Method[J]. Zhejiang Electric Power,2018,37(8):35.

    [13]徐桐陽.ARMA模型對(duì)山西省火電在全國比重的擬合應(yīng)用[J].中國市場,2015(34):93.

    XU Tongyang. The Fitting Application of ARMA Model to the Proportion of Thermal Power in Shanxi Province in the Country [J]. Chinese Market, 201534): 93.

    [14]何堯,梁宏池,連鴻松,等.基于滑動(dòng)窗口和多元高斯分布的變壓器油色譜異常值檢測(cè)[J].高壓電器,2020,56(1):203.

    HE Yao,LIANG Hongchi,LIAN Hongsong,et al. Outlier Detection of Power Transformer Oil Chromatographic Data Based on Algorithm Sliding Windows and Multivariate Gaussian Distribution[J]. High Voltage Apparatus, 2020, 561): 203.

    [15]FAN Jingmin,F(xiàn)U Chenyang,YIN Hao,et al. Power Transformer Condition Assessment Based on Online Monitor with SOFC Chromatographic Detector[J]. International Journal of Electrical Power and Energy Systems,2020,118:105805.

    [16]PRAKASH K Soorya,GOPAL PM,KARTHIK S. Multi-objective Optimization Using Taguchi Based Grey Relational Analysis in Turning of Rock Dust Reinforced Aluminum MMC[J]. Measurement,2020,157:107664.

    [17]DING Feng,WAN Lijuan,GUO Yunze,et al. The Filtering-Based Auxiliary Model Generalized Extended Stochastic Gradient Identification for a Multivariate Output-error System with Autoregressive Moving Average Noise Using the Multi-innovation Theory[J]. Journal of the Franklin Institute,2020,357(9):5591.

    [18]CHRISTIAN H,WEI B. Regime-Switching Discrete ARMA Models for Categorical Time Series[J]. Entropy,2020,22(4):458.

    [19]KIM J Y, SOHN I, LEE K. Bayesian Cumulative Logit Random Effects Models With Arma Random Effects Covariance Matrix[J]. Journal of the Korean Statitical Society, 2020, 49(1):32.

    [20]汪磊,楊星月,高杉.基于時(shí)間序列模型的民航擦機(jī)尾事件預(yù)測(cè)研究[J].安全與環(huán)境工程,2020,27(2):216.

    WANG Lei,YANG Xingyue ,GAO Shan. Prediction of the Incidence of Tail Striking Based on Time Series Model[J]. Safety and Environmental Engineering, 2020,272): 216.

    (編輯:溫澤宇)

    猜你喜歡
    means聚類時(shí)間序列變壓器
    理想變壓器的“三個(gè)不變”與“三個(gè)變”
    開關(guān)電源中高頻變壓器的設(shè)計(jì)
    基于時(shí)間序列的我國人均GDP分析與預(yù)測(cè)
    商(2016年32期)2016-11-24 16:20:57
    基于線性散列索引的時(shí)間序列查詢方法研究
    軟件工程(2016年8期)2016-10-25 15:43:57
    人工神經(jīng)網(wǎng)絡(luò)在聚類分析中的運(yùn)用
    雹云圖像的識(shí)別指標(biāo)設(shè)計(jì)
    基于組合模型的能源需求預(yù)測(cè)
    基于QPSO聚類算法的圖像分割方法
    科技視界(2016年12期)2016-05-25 11:54:25
    一種不停電更換變壓器的帶電作業(yè)法
    公眾預(yù)期與不良貸款
    商情(2016年11期)2016-04-15 20:25:31
    亚洲色图综合在线观看| 在线十欧美十亚洲十日本专区| 久99久视频精品免费| 一夜夜www| 亚洲,欧美精品.| 精品一品国产午夜福利视频| 成人国产一区最新在线观看| 亚洲熟女毛片儿| 亚洲国产精品合色在线| 91在线观看av| 怎么达到女性高潮| 成人18禁高潮啪啪吃奶动态图| 久久久国产成人精品二区 | 亚洲少妇的诱惑av| 国产精品99久久99久久久不卡| 午夜91福利影院| xxxhd国产人妻xxx| 法律面前人人平等表现在哪些方面| 婷婷丁香在线五月| 制服诱惑二区| 啪啪无遮挡十八禁网站| 久久精品人人爽人人爽视色| 亚洲,欧美精品.| 国产精品久久久人人做人人爽| 亚洲国产精品sss在线观看 | 精品少妇久久久久久888优播| 国产精品永久免费网站| 99香蕉大伊视频| 欧美成狂野欧美在线观看| 亚洲国产欧美一区二区综合| 男女之事视频高清在线观看| 国产三级黄色录像| 一区福利在线观看| 日本五十路高清| 999久久久国产精品视频| 欧美亚洲日本最大视频资源| 欧美日韩黄片免| 黑人巨大精品欧美一区二区mp4| 亚洲国产精品合色在线| 欧美性长视频在线观看| 天天躁日日躁夜夜躁夜夜| 看黄色毛片网站| 亚洲精品久久午夜乱码| 国产高清videossex| 国产精品亚洲av一区麻豆| 国产麻豆69| 欧美日韩福利视频一区二区| 麻豆av在线久日| 国产精品久久久久久人妻精品电影| 亚洲av电影在线进入| 久久久久精品人妻al黑| 在线免费观看的www视频| 国产精品久久久人人做人人爽| av在线播放免费不卡| 十八禁高潮呻吟视频| 欧美 日韩 精品 国产| 在线观看免费视频日本深夜| 精品福利观看| 久热爱精品视频在线9| 曰老女人黄片| 老司机深夜福利视频在线观看| 亚洲中文日韩欧美视频| 精品国产乱子伦一区二区三区| 伦理电影免费视频| 91老司机精品| 黑人欧美特级aaaaaa片| 国产成人av激情在线播放| 黄色怎么调成土黄色| 国产日韩一区二区三区精品不卡| 黄色丝袜av网址大全| 国产精品一区二区在线不卡| 国产精品 欧美亚洲| 亚洲成人免费电影在线观看| 91精品国产国语对白视频| 真人做人爱边吃奶动态| 人人澡人人妻人| 美国免费a级毛片| 在线十欧美十亚洲十日本专区| 热re99久久国产66热| 王馨瑶露胸无遮挡在线观看| 精品福利观看| 国产欧美日韩一区二区三区在线| 韩国精品一区二区三区| 国产高清视频在线播放一区| 丝袜在线中文字幕| 欧美 日韩 精品 国产| 老司机靠b影院| 黄色 视频免费看| 久久久久久久国产电影| 国产深夜福利视频在线观看| 嫩草影视91久久| 国产精品影院久久| 人人妻,人人澡人人爽秒播| 黑人巨大精品欧美一区二区蜜桃| 国产精品影院久久| 精品亚洲成国产av| 免费看a级黄色片| 欧美av亚洲av综合av国产av| 欧美精品高潮呻吟av久久| 午夜免费成人在线视频| 亚洲 国产 在线| 久久精品国产a三级三级三级| 老熟女久久久| 亚洲美女黄片视频| 巨乳人妻的诱惑在线观看| 国产在线观看jvid| 欧美精品高潮呻吟av久久| 国产又爽黄色视频| 久热这里只有精品99| 精品国产美女av久久久久小说| 国产不卡一卡二| 国产一卡二卡三卡精品| 另类亚洲欧美激情| 国产精品免费一区二区三区在线 | 俄罗斯特黄特色一大片| 国产成人精品在线电影| 黄色视频,在线免费观看| 最近最新中文字幕大全免费视频| 久久亚洲真实| 中文欧美无线码| 操出白浆在线播放| 女警被强在线播放| 香蕉国产在线看| 亚洲五月婷婷丁香| 电影成人av| a级毛片在线看网站| 男女下面插进去视频免费观看| 亚洲国产精品一区二区三区在线| 最近最新中文字幕大全免费视频| 1024视频免费在线观看| a级毛片在线看网站| 免费看十八禁软件| 人人妻人人爽人人添夜夜欢视频| 又黄又爽又免费观看的视频| 亚洲午夜精品一区,二区,三区| 老司机亚洲免费影院| 99国产精品一区二区三区| 一边摸一边抽搐一进一出视频| 侵犯人妻中文字幕一二三四区| 久热爱精品视频在线9| 国产成人欧美| 新久久久久国产一级毛片| 亚洲少妇的诱惑av| 欧美黑人精品巨大| 亚洲,欧美精品.| videosex国产| 久久人妻熟女aⅴ| 99国产精品一区二区蜜桃av | 久久青草综合色| 黄色怎么调成土黄色| 丁香六月欧美| 香蕉久久夜色| 欧美激情久久久久久爽电影 | 亚洲七黄色美女视频| 满18在线观看网站| 欧美乱妇无乱码| 成年女人毛片免费观看观看9 | 欧美激情久久久久久爽电影 | 电影成人av| 国产色视频综合| 一进一出抽搐动态| 精品欧美一区二区三区在线| 国产高清国产精品国产三级| 在线国产一区二区在线| 欧美日韩瑟瑟在线播放| 亚洲情色 制服丝袜| 亚洲国产欧美网| 亚洲精品久久成人aⅴ小说| 亚洲全国av大片| 国产免费男女视频| 亚洲专区国产一区二区| 成人av一区二区三区在线看| 免费看a级黄色片| 1024香蕉在线观看| 精品国产一区二区三区久久久樱花| 亚洲av欧美aⅴ国产| 日本一区二区免费在线视频| 精品久久蜜臀av无| 国产在线精品亚洲第一网站| 日日摸夜夜添夜夜添小说| 国产免费男女视频| 欧美激情久久久久久爽电影 | 久久亚洲真实| 亚洲熟女精品中文字幕| bbb黄色大片| 大码成人一级视频| 精品久久久久久久久久免费视频 | 热99re8久久精品国产| 成熟少妇高潮喷水视频| 黄片播放在线免费| 午夜福利影视在线免费观看| 午夜两性在线视频| 天天躁狠狠躁夜夜躁狠狠躁| 免费在线观看完整版高清| 天天添夜夜摸| cao死你这个sao货| 国产成人一区二区三区免费视频网站| 丰满人妻熟妇乱又伦精品不卡| 高潮久久久久久久久久久不卡| 午夜日韩欧美国产| 麻豆成人av在线观看| 国产野战对白在线观看| 十八禁网站免费在线| 欧美日韩亚洲综合一区二区三区_| 波多野结衣一区麻豆| 成人18禁在线播放| 午夜福利影视在线免费观看| 亚洲三区欧美一区| 国产亚洲精品第一综合不卡| 岛国毛片在线播放| 久久天躁狠狠躁夜夜2o2o| 国产国语露脸激情在线看| 国产亚洲欧美精品永久| 看免费av毛片| 水蜜桃什么品种好| 国产日韩欧美亚洲二区| 黄色怎么调成土黄色| 亚洲国产精品一区二区三区在线| 波多野结衣一区麻豆| e午夜精品久久久久久久| 正在播放国产对白刺激| 午夜91福利影院| 精品少妇一区二区三区视频日本电影| 伊人久久大香线蕉亚洲五| 午夜福利,免费看| 国产亚洲精品久久久久5区| 男人操女人黄网站| 国产激情久久老熟女| xxxhd国产人妻xxx| 国产无遮挡羞羞视频在线观看| 亚洲国产看品久久| 露出奶头的视频| 欧美色视频一区免费| 成人18禁在线播放| 精品久久久精品久久久| 国产99白浆流出| 久久精品熟女亚洲av麻豆精品| av有码第一页| 别揉我奶头~嗯~啊~动态视频| av网站在线播放免费| 看免费av毛片| 亚洲三区欧美一区| 免费黄频网站在线观看国产| 女人久久www免费人成看片| 在线看a的网站| 女警被强在线播放| 欧美精品av麻豆av| 亚洲自偷自拍图片 自拍| 国产成人欧美| 精品国产美女av久久久久小说| 日本黄色日本黄色录像| 性色av乱码一区二区三区2| 国产精品偷伦视频观看了| 成熟少妇高潮喷水视频| 看黄色毛片网站| 激情视频va一区二区三区| 亚洲第一av免费看| 亚洲人成77777在线视频| 欧美乱妇无乱码| av天堂久久9| 在线十欧美十亚洲十日本专区| av天堂在线播放| 久久久水蜜桃国产精品网| 桃红色精品国产亚洲av| 色综合欧美亚洲国产小说| 91九色精品人成在线观看| 老熟妇仑乱视频hdxx| 亚洲,欧美精品.| 一边摸一边抽搐一进一小说 | 超碰97精品在线观看| 在线视频色国产色| 国产精品二区激情视频| 母亲3免费完整高清在线观看| 欧美丝袜亚洲另类 | 日韩 欧美 亚洲 中文字幕| 国产成人精品在线电影| tocl精华| www.熟女人妻精品国产| www日本在线高清视频| 亚洲国产欧美日韩在线播放| 久久精品国产清高在天天线| 男女之事视频高清在线观看| 两性夫妻黄色片| 波多野结衣一区麻豆| cao死你这个sao货| 欧美黄色片欧美黄色片| 一本大道久久a久久精品| 大香蕉久久成人网| 黄色女人牲交| 在线永久观看黄色视频| 91av网站免费观看| 亚洲欧美激情综合另类| 亚洲欧美一区二区三区久久| 亚洲专区中文字幕在线| 女性生殖器流出的白浆| 香蕉国产在线看| 高潮久久久久久久久久久不卡| 成年版毛片免费区| 免费黄频网站在线观看国产| 丝袜美腿诱惑在线| 亚洲欧美激情综合另类| 久久 成人 亚洲| 成人av一区二区三区在线看| av有码第一页| 三级毛片av免费| 美国免费a级毛片| 亚洲少妇的诱惑av| 日韩视频一区二区在线观看| 国产国语露脸激情在线看| 久久国产亚洲av麻豆专区| 日韩欧美国产一区二区入口| 视频区欧美日本亚洲| 日本wwww免费看| 99久久99久久久精品蜜桃| 亚洲成人免费电影在线观看| 1024香蕉在线观看| 一边摸一边抽搐一进一小说 | 亚洲欧美色中文字幕在线| 欧美日韩乱码在线| 欧美黄色淫秽网站| 精品国产国语对白av| 丝瓜视频免费看黄片| 成人免费观看视频高清| 久99久视频精品免费| 在线观看舔阴道视频| 极品少妇高潮喷水抽搐| 亚洲精品国产精品久久久不卡| 国产色视频综合| 黄色怎么调成土黄色| 国产99白浆流出| 一二三四社区在线视频社区8| 欧美乱妇无乱码| 一区二区三区国产精品乱码| 女人高潮潮喷娇喘18禁视频| 欧美日韩中文字幕国产精品一区二区三区 | 无遮挡黄片免费观看| 欧美日韩亚洲综合一区二区三区_| 亚洲免费av在线视频| 亚洲午夜理论影院| av中文乱码字幕在线| 最近最新中文字幕大全免费视频| 法律面前人人平等表现在哪些方面| a级毛片黄视频| 涩涩av久久男人的天堂| 俄罗斯特黄特色一大片| 国产激情久久老熟女| 欧美乱色亚洲激情| 日韩 欧美 亚洲 中文字幕| cao死你这个sao货| 高清av免费在线| 精品一区二区三区视频在线观看免费 | 99久久综合精品五月天人人| 亚洲国产精品合色在线| 80岁老熟妇乱子伦牲交| 高清毛片免费观看视频网站 | 夜夜爽天天搞| 日韩欧美在线二视频 | 国产精品二区激情视频| 欧美人与性动交α欧美精品济南到| 一级毛片女人18水好多| 国产深夜福利视频在线观看| 大陆偷拍与自拍| 狂野欧美激情性xxxx| 777久久人妻少妇嫩草av网站| 亚洲,欧美精品.| 女警被强在线播放| 一本大道久久a久久精品| 两个人免费观看高清视频| 香蕉国产在线看| 在线国产一区二区在线| 十八禁高潮呻吟视频| 亚洲国产精品一区二区三区在线| 国产精品免费大片| 久久久久国产一级毛片高清牌| 在线观看66精品国产| 十八禁网站免费在线| 国产精品亚洲av一区麻豆| 久热爱精品视频在线9| 男女床上黄色一级片免费看| 久久久精品国产亚洲av高清涩受| 黑人操中国人逼视频| 无遮挡黄片免费观看| 国产精品 国内视频| 人人妻人人添人人爽欧美一区卜| 亚洲精品美女久久av网站| 国产av又大| 亚洲专区字幕在线| 他把我摸到了高潮在线观看| 国产精品成人在线| 在线国产一区二区在线| 成年动漫av网址| 午夜精品久久久久久毛片777| 美女福利国产在线| 伊人久久大香线蕉亚洲五| 日韩熟女老妇一区二区性免费视频| 女人被狂操c到高潮| 精品一区二区三区视频在线观看免费 | 精品午夜福利视频在线观看一区| 精品福利观看| 精品人妻在线不人妻| 嫁个100分男人电影在线观看| xxxhd国产人妻xxx| 精品一区二区三卡| 如日韩欧美国产精品一区二区三区| 黑人操中国人逼视频| 欧美在线黄色| 亚洲人成电影观看| 男男h啪啪无遮挡| 无遮挡黄片免费观看| 18在线观看网站| 中文字幕高清在线视频| 日本欧美视频一区| 在线观看免费日韩欧美大片| 欧美乱码精品一区二区三区| 亚洲成人国产一区在线观看| 精品一区二区三区四区五区乱码| av免费在线观看网站| 亚洲精品美女久久av网站| 无人区码免费观看不卡| 亚洲色图av天堂| 亚洲熟妇中文字幕五十中出 | 久久这里只有精品19| 黄色成人免费大全| 欧美激情极品国产一区二区三区| av网站在线播放免费| 午夜精品国产一区二区电影| 人成视频在线观看免费观看| 黄色毛片三级朝国网站| 欧美av亚洲av综合av国产av| tocl精华| 一边摸一边抽搐一进一出视频| 亚洲久久久国产精品| 亚洲第一欧美日韩一区二区三区| 一二三四在线观看免费中文在| 国产欧美日韩精品亚洲av| 成熟少妇高潮喷水视频| ponron亚洲| 国产精品久久久久久人妻精品电影| 9色porny在线观看| 国产成人系列免费观看| 在线观看日韩欧美| 水蜜桃什么品种好| 国产精品av久久久久免费| 窝窝影院91人妻| 久久精品aⅴ一区二区三区四区| 制服诱惑二区| 国产精品98久久久久久宅男小说| 99国产综合亚洲精品| av天堂久久9| 美女午夜性视频免费| 女警被强在线播放| 麻豆成人av在线观看| 91av网站免费观看| 人人澡人人妻人| 天天影视国产精品| 精品熟女少妇八av免费久了| 国产精品一区二区精品视频观看| 国产有黄有色有爽视频| 高潮久久久久久久久久久不卡| 99热只有精品国产| 国产亚洲精品久久久久5区| 久久青草综合色| 日韩精品免费视频一区二区三区| 欧美人与性动交α欧美精品济南到| 九色亚洲精品在线播放| 亚洲av电影在线进入| 人人澡人人妻人| 久久精品熟女亚洲av麻豆精品| 在线观看免费午夜福利视频| 黄色成人免费大全| 国内毛片毛片毛片毛片毛片| 欧美久久黑人一区二区| 精品一品国产午夜福利视频| 热99re8久久精品国产| 久久久久久免费高清国产稀缺| 18禁美女被吸乳视频| 丁香六月欧美| 1024香蕉在线观看| 国产男女内射视频| 天天躁狠狠躁夜夜躁狠狠躁| 国产成人一区二区三区免费视频网站| 精品福利观看| 国内毛片毛片毛片毛片毛片| xxxhd国产人妻xxx| 人妻 亚洲 视频| 女人精品久久久久毛片| 999久久久精品免费观看国产| 老鸭窝网址在线观看| 亚洲专区字幕在线| 90打野战视频偷拍视频| 午夜免费鲁丝| 另类亚洲欧美激情| svipshipincom国产片| 搡老岳熟女国产| x7x7x7水蜜桃| 午夜精品国产一区二区电影| 久久久久国内视频| 美女国产高潮福利片在线看| 欧美日韩乱码在线| av国产精品久久久久影院| 国产主播在线观看一区二区| 可以免费在线观看a视频的电影网站| 乱人伦中国视频| 亚洲一卡2卡3卡4卡5卡精品中文| 国产成+人综合+亚洲专区| 99热只有精品国产| 在线播放国产精品三级| av欧美777| 婷婷丁香在线五月| 国产深夜福利视频在线观看| 欧美乱妇无乱码| 黄色成人免费大全| 99国产精品一区二区蜜桃av | 日本精品一区二区三区蜜桃| 欧美国产精品一级二级三级| 日韩成人在线观看一区二区三区| 免费在线观看黄色视频的| 又紧又爽又黄一区二区| 亚洲精品中文字幕一二三四区| 色播在线永久视频| 亚洲av成人av| 国产精品永久免费网站| 精品一品国产午夜福利视频| 18禁裸乳无遮挡动漫免费视频| 涩涩av久久男人的天堂| 午夜老司机福利片| 自线自在国产av| 日本一区二区免费在线视频| 国内毛片毛片毛片毛片毛片| 精品少妇久久久久久888优播| 80岁老熟妇乱子伦牲交| 亚洲一区高清亚洲精品| 男女午夜视频在线观看| 三级毛片av免费| 国产成人欧美| 男人操女人黄网站| 三上悠亚av全集在线观看| 亚洲av日韩精品久久久久久密| 免费不卡黄色视频| 超碰97精品在线观看| 51午夜福利影视在线观看| 欧美大码av| 80岁老熟妇乱子伦牲交| 日韩欧美在线二视频 | 亚洲精品乱久久久久久| 新久久久久国产一级毛片| 99热网站在线观看| av线在线观看网站| 久久久国产成人免费| 国产成人欧美| 欧美乱妇无乱码| 亚洲精品国产区一区二| 日韩人妻精品一区2区三区| 欧美精品啪啪一区二区三区| 久久人妻熟女aⅴ| 老司机深夜福利视频在线观看| 久久人妻福利社区极品人妻图片| 一级毛片高清免费大全| 久久香蕉国产精品| 欧美最黄视频在线播放免费 | 午夜视频精品福利| 欧美日韩一级在线毛片| 女人被躁到高潮嗷嗷叫费观| 精品熟女少妇八av免费久了| 欧美日韩亚洲高清精品| 超色免费av| 一区二区三区激情视频| 国产精品成人在线| 免费在线观看影片大全网站| 操出白浆在线播放| 久久人人97超碰香蕉20202| 69精品国产乱码久久久| 精品国产超薄肉色丝袜足j| 国产精品偷伦视频观看了| 黑人巨大精品欧美一区二区mp4| 视频在线观看一区二区三区| 天堂俺去俺来也www色官网| 91国产中文字幕| 亚洲国产欧美日韩在线播放| 中文字幕人妻熟女乱码| 黄色 视频免费看| 麻豆国产av国片精品| 18禁观看日本| 99热网站在线观看| 巨乳人妻的诱惑在线观看| 欧洲精品卡2卡3卡4卡5卡区| 精品视频人人做人人爽| 国产男女内射视频| 宅男免费午夜| 久久青草综合色| 国产一区二区三区在线臀色熟女 | 王馨瑶露胸无遮挡在线观看| 欧美日韩乱码在线| 下体分泌物呈黄色| 99riav亚洲国产免费| 久久久精品区二区三区| 欧美成狂野欧美在线观看| 美女视频免费永久观看网站| 中文字幕人妻熟女乱码| av线在线观看网站| 国产亚洲欧美98| 一a级毛片在线观看| 国产高清国产精品国产三级| 亚洲久久久国产精品| 热re99久久国产66热| 少妇裸体淫交视频免费看高清 | 老汉色av国产亚洲站长工具| 亚洲色图综合在线观看| 国产男女超爽视频在线观看| 免费日韩欧美在线观看| 亚洲精品自拍成人| 国产成人欧美| 国产麻豆69| 午夜福利欧美成人| 国产精品一区二区在线不卡|