• <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
    国产成人影院久久av| 日韩一区二区三区影片| 别揉我奶头 嗯啊视频| 免费av观看视频| 国语自产精品视频在线第100页| 黄色配什么色好看| 免费一级毛片在线播放高清视频| a级毛色黄片| 成人性生交大片免费视频hd| 好男人视频免费观看在线| 哪里可以看免费的av片| 少妇的逼好多水| 国产精品久久久久久av不卡| 亚洲aⅴ乱码一区二区在线播放| 久久久久久久久久黄片| 日韩欧美精品v在线| 寂寞人妻少妇视频99o| 亚洲一区二区三区色噜噜| 少妇高潮的动态图| 人人妻人人澡人人爽人人夜夜 | 国产高清三级在线| 精品久久久久久久久久免费视频| 在线天堂最新版资源| 搡女人真爽免费视频火全软件| 超碰av人人做人人爽久久| 一进一出抽搐动态| 亚洲人成网站在线观看播放| 夜夜看夜夜爽夜夜摸| 亚洲欧洲国产日韩| 亚洲内射少妇av| 国产一区二区在线av高清观看| 97人妻精品一区二区三区麻豆| 成人毛片a级毛片在线播放| 国产毛片a区久久久久| 搞女人的毛片| 免费一级毛片在线播放高清视频| 久久久欧美国产精品| 人体艺术视频欧美日本| 在线天堂最新版资源| 久久鲁丝午夜福利片| 国产精品一区二区三区四区免费观看| 晚上一个人看的免费电影| 婷婷色av中文字幕| 国产成人精品一,二区 | 亚洲成人精品中文字幕电影| 久久热精品热| av在线蜜桃| 国产女主播在线喷水免费视频网站 | 国产精品.久久久| 亚洲精品日韩在线中文字幕 | 欧美另类亚洲清纯唯美| 成年av动漫网址| 久久精品国产99精品国产亚洲性色| 亚洲欧美日韩高清专用| 久久国内精品自在自线图片| 插阴视频在线观看视频| 最近的中文字幕免费完整| 成人一区二区视频在线观看| 亚洲精品自拍成人| 少妇裸体淫交视频免费看高清| 午夜老司机福利剧场| 99久久无色码亚洲精品果冻| 两个人视频免费观看高清| 五月伊人婷婷丁香| 高清午夜精品一区二区三区 | 精品一区二区免费观看| avwww免费| av又黄又爽大尺度在线免费看 | 夜夜看夜夜爽夜夜摸| 日韩中字成人| 国产成人影院久久av| av在线老鸭窝| 欧美日韩综合久久久久久| 男的添女的下面高潮视频| avwww免费| 狠狠狠狠99中文字幕| 亚洲精品国产av成人精品| 少妇猛男粗大的猛烈进出视频 | 男女下面进入的视频免费午夜| 精品久久久久久久久亚洲| 噜噜噜噜噜久久久久久91| 午夜激情福利司机影院| 特级一级黄色大片| 国产熟女欧美一区二区| 亚洲成人av在线免费| 国产成人freesex在线| 亚洲国产精品合色在线| 一级黄色大片毛片| 在线观看66精品国产| 久久久久久久久久成人| www.av在线官网国产| 亚洲成人av在线免费| 悠悠久久av| 欧美又色又爽又黄视频| 亚洲精品自拍成人| 2021天堂中文幕一二区在线观| 国产爱豆传媒在线观看| 97人妻精品一区二区三区麻豆| av视频在线观看入口| 国产精品久久电影中文字幕| 久久久久久久久中文| 国产伦理片在线播放av一区 | 日韩国内少妇激情av| 国语自产精品视频在线第100页| 久久精品91蜜桃| 网址你懂的国产日韩在线| 高清午夜精品一区二区三区 | 精品人妻一区二区三区麻豆| 你懂的网址亚洲精品在线观看 | 丝袜美腿在线中文| 又黄又爽又刺激的免费视频.| 日本黄色视频三级网站网址| a级毛片免费高清观看在线播放| 国产黄色视频一区二区在线观看 | 内地一区二区视频在线| 晚上一个人看的免费电影| 嘟嘟电影网在线观看| 麻豆国产av国片精品| 精品无人区乱码1区二区| 国产老妇伦熟女老妇高清| 韩国av在线不卡| 精品人妻一区二区三区麻豆| 国产爱豆传媒在线观看| 中文字幕熟女人妻在线| 一卡2卡三卡四卡精品乱码亚洲| 国产黄片美女视频| 欧美精品国产亚洲| 午夜激情欧美在线| 国产伦在线观看视频一区| 亚洲精品日韩av片在线观看| 亚洲aⅴ乱码一区二区在线播放| 别揉我奶头 嗯啊视频| 精品不卡国产一区二区三区| 久久精品国产清高在天天线| 97在线视频观看| 久久久久久大精品| 亚洲最大成人av| 国产精品女同一区二区软件| 国产精品久久久久久av不卡| 久久6这里有精品| 69av精品久久久久久| 亚洲欧美日韩高清专用| 尤物成人国产欧美一区二区三区| 国产亚洲av片在线观看秒播厂 | 性欧美人与动物交配| 日韩 亚洲 欧美在线| 国产一级毛片在线| 搞女人的毛片| 九九久久精品国产亚洲av麻豆| 夜夜爽天天搞| 美女被艹到高潮喷水动态| 午夜福利在线在线| 精品久久久久久久末码| 99热精品在线国产| 亚洲成人久久性| 日本与韩国留学比较| 国产精品无大码| 在线免费观看的www视频| 哪里可以看免费的av片| 99国产精品一区二区蜜桃av| 少妇猛男粗大的猛烈进出视频 | 免费观看精品视频网站| 岛国毛片在线播放| 亚洲18禁久久av| 三级毛片av免费| 成人永久免费在线观看视频| 日韩一本色道免费dvd| 中文欧美无线码| 五月伊人婷婷丁香| 亚洲一级一片aⅴ在线观看| 嫩草影院精品99| 精品久久久久久久末码| 国产伦理片在线播放av一区 | 国产成人影院久久av| 99热6这里只有精品| 成人亚洲精品av一区二区| 成人午夜精彩视频在线观看| 97超碰精品成人国产| 永久网站在线| 成人毛片a级毛片在线播放| 亚洲欧美日韩无卡精品| 国产精品一及| 99九九线精品视频在线观看视频| 亚洲精品国产成人久久av| 亚洲aⅴ乱码一区二区在线播放| 久久久久网色| 成人二区视频| 亚洲国产精品国产精品| 国产精品电影一区二区三区| 国产精品1区2区在线观看.| 天天躁夜夜躁狠狠久久av| 日本与韩国留学比较| 国产高清激情床上av| 男女下面进入的视频免费午夜| 日韩精品青青久久久久久| 欧美日本亚洲视频在线播放| 久久久久久伊人网av| 五月玫瑰六月丁香| 国产黄色小视频在线观看| 最后的刺客免费高清国语| 久久人人爽人人片av| 国产91av在线免费观看| 青春草视频在线免费观看| 岛国毛片在线播放| 亚洲一区二区三区色噜噜| 亚洲精品自拍成人| 九九久久精品国产亚洲av麻豆| 91久久精品国产一区二区三区| 嫩草影院入口| 国产精品美女特级片免费视频播放器| 亚洲国产精品久久男人天堂| 久久久欧美国产精品| 亚洲国产高清在线一区二区三| 亚洲精品日韩av片在线观看| 国产国拍精品亚洲av在线观看| 色播亚洲综合网| 国产精品麻豆人妻色哟哟久久 | 中文字幕人妻熟人妻熟丝袜美| 久久精品人妻少妇| 一区福利在线观看| 国产精品日韩av在线免费观看| 69av精品久久久久久| 能在线免费观看的黄片| 99久久人妻综合| 中文字幕av在线有码专区| 女同久久另类99精品国产91| 免费看a级黄色片| 国产av不卡久久| 好男人视频免费观看在线| 亚洲一区高清亚洲精品| 天堂网av新在线| 欧美激情久久久久久爽电影| 亚洲激情五月婷婷啪啪| 久久久久久久久久黄片| 亚洲七黄色美女视频| 欧美xxxx性猛交bbbb| 国产在视频线在精品| 欧美日韩国产亚洲二区| 夜夜看夜夜爽夜夜摸| 久久人人精品亚洲av| 亚州av有码| 亚洲欧美清纯卡通| 国产成人a区在线观看| 色哟哟哟哟哟哟| 亚洲无线在线观看| 非洲黑人性xxxx精品又粗又长| 免费人成在线观看视频色| 全区人妻精品视频| АⅤ资源中文在线天堂| 中文字幕精品亚洲无线码一区| 久久久久久久久久成人| 国产真实伦视频高清在线观看| 天堂√8在线中文| 欧美xxxx性猛交bbbb| 国产欧美日韩精品一区二区| .国产精品久久| 久久99精品国语久久久| a级毛片a级免费在线| 国产片特级美女逼逼视频| 中文字幕久久专区| 国产极品天堂在线| 久99久视频精品免费| 一级黄色大片毛片| 99久久无色码亚洲精品果冻| 日本熟妇午夜| 我要搜黄色片| 亚洲国产日韩欧美精品在线观看| 少妇的逼好多水| 99久久成人亚洲精品观看| 亚洲欧美日韩无卡精品| 国产视频内射| 边亲边吃奶的免费视频| 久久久色成人| 日本黄色视频三级网站网址| 一级毛片我不卡| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲最大成人av| 亚洲在线观看片| 国内揄拍国产精品人妻在线| 国产单亲对白刺激| 黄片无遮挡物在线观看| 国产麻豆成人av免费视频| 国产精品久久久久久久电影| 能在线免费看毛片的网站| 国产免费男女视频| 一级毛片久久久久久久久女| 中国美白少妇内射xxxbb| 变态另类丝袜制服| 中文字幕久久专区| 中文精品一卡2卡3卡4更新| 国产91av在线免费观看| 看非洲黑人一级黄片| 麻豆精品久久久久久蜜桃| 99久久久亚洲精品蜜臀av| 一级毛片我不卡| 色综合色国产| av视频在线观看入口| 国产亚洲精品av在线| 精品久久久久久久久av| 真实男女啪啪啪动态图| av免费在线看不卡| 高清在线视频一区二区三区 | 国产伦精品一区二区三区视频9| 青春草国产在线视频 | 男插女下体视频免费在线播放| 少妇高潮的动态图| 久久久精品94久久精品| 老司机福利观看| 熟妇人妻久久中文字幕3abv| 欧美日本亚洲视频在线播放| 国产视频首页在线观看| 男人的好看免费观看在线视频| 美女被艹到高潮喷水动态| 麻豆久久精品国产亚洲av| 国产精品一区二区三区四区久久| 99久国产av精品国产电影| 午夜免费男女啪啪视频观看| 在线观看一区二区三区| 久99久视频精品免费| kizo精华| 99国产极品粉嫩在线观看| 综合色av麻豆| 亚洲一区高清亚洲精品| 在线国产一区二区在线| 麻豆久久精品国产亚洲av| 国产一区二区在线av高清观看| 国产亚洲欧美98| 99视频精品全部免费 在线| 久久久久久久久大av| 最后的刺客免费高清国语| 色尼玛亚洲综合影院| 黄色一级大片看看| 国产精品无大码| 国产成人影院久久av| 免费观看精品视频网站| 国产一级毛片七仙女欲春2| 五月玫瑰六月丁香| 午夜精品在线福利| 99热精品在线国产| 不卡一级毛片| 国国产精品蜜臀av免费| 国产美女午夜福利| 亚洲欧美成人精品一区二区| 欧美日本亚洲视频在线播放| 日本av手机在线免费观看| 亚洲av不卡在线观看| 国产毛片a区久久久久| 国产伦精品一区二区三区视频9| 欧美在线一区亚洲| 99久久成人亚洲精品观看| 波野结衣二区三区在线| 免费av毛片视频| 精品久久久久久久末码| 老师上课跳d突然被开到最大视频| av免费观看日本| 男人狂女人下面高潮的视频| 国产极品天堂在线| 欧美zozozo另类| 天堂网av新在线| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 可以在线观看毛片的网站| 久久欧美精品欧美久久欧美| 91在线精品国自产拍蜜月| 别揉我奶头 嗯啊视频| 亚洲欧美精品自产自拍| 成人漫画全彩无遮挡| 久久久久性生活片| 日日摸夜夜添夜夜添av毛片| 亚洲欧美日韩无卡精品| 69人妻影院| 中文字幕免费在线视频6| 熟女电影av网| 久久久久久久久大av| 老司机影院成人| 真实男女啪啪啪动态图| 国内少妇人妻偷人精品xxx网站| 一级毛片电影观看 | 我的女老师完整版在线观看| 午夜激情欧美在线| 国产伦理片在线播放av一区 | 亚洲国产欧美人成| 午夜福利成人在线免费观看| 亚洲欧美成人综合另类久久久 | 男女那种视频在线观看| 日本黄色视频三级网站网址| 国产视频首页在线观看| 国产精品久久电影中文字幕| 九九在线视频观看精品| 国产国拍精品亚洲av在线观看| 久久人人爽人人片av| 精品少妇黑人巨大在线播放 | 91麻豆精品激情在线观看国产| 欧美成人一区二区免费高清观看| 欧洲精品卡2卡3卡4卡5卡区| 国内精品美女久久久久久| 九色成人免费人妻av| 国产美女午夜福利| 国产毛片a区久久久久| 久久这里只有精品中国| 男人和女人高潮做爰伦理| 国产午夜精品一二区理论片| 日韩欧美精品v在线| 天天躁日日操中文字幕| 午夜久久久久精精品| 边亲边吃奶的免费视频| 成人特级av手机在线观看| 人妻久久中文字幕网| 国产精品一区二区在线观看99 | 国产综合懂色| 国产亚洲91精品色在线| 人人妻人人看人人澡| 亚洲av男天堂| 成人性生交大片免费视频hd| 亚洲欧美日韩东京热| 听说在线观看完整版免费高清| 久久亚洲国产成人精品v| 日本免费a在线| 黄色一级大片看看| 欧美性猛交╳xxx乱大交人| 天堂影院成人在线观看| 国产精品久久久久久亚洲av鲁大| 欧美在线一区亚洲| 一级毛片aaaaaa免费看小| 亚洲成人精品中文字幕电影| 一级毛片我不卡| 午夜免费男女啪啪视频观看| 最新中文字幕久久久久| 简卡轻食公司| 亚洲性久久影院| 久久精品夜夜夜夜夜久久蜜豆| 久久精品夜色国产| 亚洲av二区三区四区| 国产精品国产三级国产av玫瑰| 麻豆精品久久久久久蜜桃| 久久热精品热| 国产精品伦人一区二区| 久久久久久久久大av| 日本三级黄在线观看| 日韩一本色道免费dvd| 一区二区三区四区激情视频 | 亚洲欧美精品专区久久| 精品久久久久久久末码| 啦啦啦观看免费观看视频高清| 精品国产三级普通话版| 成人性生交大片免费视频hd| 内射极品少妇av片p| 天堂√8在线中文| 99热精品在线国产| 国产精品久久久久久精品电影| 婷婷色av中文字幕| 国产精品人妻久久久久久| 国产精品,欧美在线| 精品无人区乱码1区二区| 变态另类成人亚洲欧美熟女| 最近视频中文字幕2019在线8| 亚洲国产精品久久男人天堂| 日韩人妻高清精品专区| 午夜福利在线观看吧| 看黄色毛片网站| 中文精品一卡2卡3卡4更新| 亚洲av成人精品一区久久| 男女边吃奶边做爰视频| 日本熟妇午夜| 亚洲欧美清纯卡通| 欧美最新免费一区二区三区| 18禁在线播放成人免费| 日本一本二区三区精品| av国产免费在线观看| 99热全是精品| 精品一区二区三区人妻视频| 春色校园在线视频观看| 国产精品久久久久久久电影| 精品久久久久久久末码| 欧美激情久久久久久爽电影| 成人特级av手机在线观看| 高清毛片免费看| 99国产极品粉嫩在线观看| 97热精品久久久久久| 国产成人一区二区在线| 久久久精品94久久精品| 成人永久免费在线观看视频| videossex国产| 欧美一区二区精品小视频在线| 欧美3d第一页| 国产午夜精品久久久久久一区二区三区| 久久久久网色| av天堂中文字幕网| 天美传媒精品一区二区| av专区在线播放| АⅤ资源中文在线天堂| 91狼人影院| 中国美女看黄片| 国内少妇人妻偷人精品xxx网站| 久久人人爽人人片av| 91午夜精品亚洲一区二区三区| 在线免费十八禁| av.在线天堂| 亚洲五月天丁香| kizo精华| 91久久精品国产一区二区三区| 国产激情偷乱视频一区二区| a级毛片免费高清观看在线播放| 午夜视频国产福利| 亚洲无线在线观看| 欧美激情国产日韩精品一区| 亚洲精品国产av成人精品| 欧美又色又爽又黄视频| 久久精品国产亚洲网站| 成人国产麻豆网| 99热精品在线国产| 女人十人毛片免费观看3o分钟| 日本-黄色视频高清免费观看| 人妻系列 视频| 91aial.com中文字幕在线观看| 干丝袜人妻中文字幕| 91aial.com中文字幕在线观看| 热99re8久久精品国产| 午夜福利在线观看免费完整高清在 | 综合色丁香网| 欧美潮喷喷水| 亚州av有码| 精品久久久久久久久久免费视频| 99热只有精品国产| 在线国产一区二区在线| 国模一区二区三区四区视频| 2022亚洲国产成人精品| 一级av片app| 哪个播放器可以免费观看大片| 99热6这里只有精品| 日韩av不卡免费在线播放| 国产淫片久久久久久久久| 三级男女做爰猛烈吃奶摸视频| 欧美在线一区亚洲| 国产午夜精品论理片| 亚洲精品国产成人久久av| 最近最新中文字幕大全电影3| 婷婷六月久久综合丁香| 国产精品蜜桃在线观看 | 在线观看美女被高潮喷水网站| 熟妇人妻久久中文字幕3abv| 狂野欧美激情性xxxx在线观看| 成人综合一区亚洲| 日韩三级伦理在线观看| 国产乱人偷精品视频| 亚洲欧洲国产日韩| 女人被狂操c到高潮| 2022亚洲国产成人精品| 亚洲成a人片在线一区二区| 自拍偷自拍亚洲精品老妇| 国产人妻一区二区三区在| 日韩人妻高清精品专区| 午夜激情福利司机影院| 国产av在哪里看| 99热全是精品| 国产乱人视频| 国内精品宾馆在线| 免费观看在线日韩| 美女cb高潮喷水在线观看| 国产精品一区二区在线观看99 | 久久99热6这里只有精品| 日韩精品青青久久久久久| 成人av在线播放网站| ponron亚洲| 午夜激情欧美在线| 日本色播在线视频| 国产精品电影一区二区三区| 国产精品久久久久久av不卡| 日日啪夜夜撸| 精品久久久久久成人av| 色综合亚洲欧美另类图片| 亚洲精品乱码久久久v下载方式| 婷婷六月久久综合丁香| 直男gayav资源| 91麻豆精品激情在线观看国产| 亚洲天堂国产精品一区在线| 男女做爰动态图高潮gif福利片| 成人亚洲精品av一区二区| 26uuu在线亚洲综合色| 亚洲不卡免费看| 久久婷婷人人爽人人干人人爱| 久久久久久久久中文| 男人的好看免费观看在线视频| 99国产极品粉嫩在线观看| 如何舔出高潮| 国产精品免费一区二区三区在线| 国产探花在线观看一区二区| 男女视频在线观看网站免费| 免费看a级黄色片| 国产色婷婷99| 夜夜爽天天搞| 寂寞人妻少妇视频99o| 51国产日韩欧美| 欧美日韩在线观看h| 国产精品蜜桃在线观看 | 99久国产av精品国产电影| 男人舔女人下体高潮全视频| kizo精华| 日日干狠狠操夜夜爽| 小说图片视频综合网站| 久久久久九九精品影院| 国产精品一区二区性色av| 国产真实乱freesex| 国产三级中文精品| 麻豆av噜噜一区二区三区| 国产真实伦视频高清在线观看| 干丝袜人妻中文字幕| 精品国产三级普通话版| 国产成人精品一,二区 | 亚洲精品乱码久久久v下载方式| 色综合亚洲欧美另类图片| 中文在线观看免费www的网站| 亚州av有码| 成人一区二区视频在线观看| 一级毛片电影观看 | 中文字幕精品亚洲无线码一区|