• <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Bi-LSTM和支持向量機(jī)的風(fēng)機(jī)葉片短期覆冰狀態(tài)預(yù)測(cè)模型

    2021-07-21 14:07:04熊昌全何澤其張宇寧
    四川電力技術(shù) 2021年3期
    關(guān)鍵詞:風(fēng)機(jī)葉片狀態(tài)

    熊昌全,何澤其,張宇寧,黃 勝

    (1.國家電投集團(tuán)四川電力有限公司,四川 成都 610065;2.國家電投集團(tuán)四川電力有限公司涼山分公司,四川 西昌 615000)

    0 引 言

    隨著化石能源短缺以及環(huán)境污染等問題的出現(xiàn),風(fēng)力資源作為綠色可再生能源受到科學(xué)與工業(yè)界的高度重視[1]。為充分有效地利用風(fēng)力資源,風(fēng)電場(chǎng)一般建于高海拔山區(qū)或沿海區(qū)域,這些地區(qū)往往具有晝夜溫差大、濕度大、風(fēng)力強(qiáng)等特點(diǎn)。在低溫季節(jié),長(zhǎng)期處于潮濕寒冷環(huán)境下的風(fēng)電場(chǎng)面臨嚴(yán)重的風(fēng)機(jī)葉片覆冰問題。風(fēng)機(jī)葉片覆冰將加劇葉片的疲勞載荷以及影響風(fēng)機(jī)產(chǎn)能,嚴(yán)重時(shí)會(huì)導(dǎo)致設(shè)備故障和風(fēng)機(jī)壽命縮短。極端情況下,過度積冰甚至可能發(fā)生風(fēng)機(jī)塔筒坍塌[2-3],嚴(yán)重影響風(fēng)電場(chǎng)安全經(jīng)濟(jì)運(yùn)行。因此亟需開展對(duì)風(fēng)機(jī)葉片覆冰狀態(tài)預(yù)測(cè)研究,提前采取防范措施以預(yù)防可能發(fā)生的覆冰危害,確保風(fēng)電場(chǎng)安全高效運(yùn)行。

    針對(duì)風(fēng)機(jī)葉片覆冰狀況研究,文獻(xiàn)[4]利用天氣數(shù)據(jù)進(jìn)行預(yù)測(cè)研究,將預(yù)測(cè)結(jié)果輸入基于物理機(jī)理的iceBlade模型中,實(shí)現(xiàn)對(duì)風(fēng)機(jī)葉片的覆冰監(jiān)測(cè)。文獻(xiàn)[5]基于壓電陶瓷應(yīng)力波測(cè)量,提出了風(fēng)機(jī)葉片覆冰主動(dòng)監(jiān)測(cè)方法,結(jié)果表明,壓電陶瓷電壓測(cè)量信號(hào)與覆冰厚度存在顯著的相關(guān)性,方法偏向?qū)嶒?yàn)分析。以上覆冰檢測(cè)研究以覆冰產(chǎn)生機(jī)理和過程數(shù)值作為重點(diǎn)研究對(duì)象,缺少對(duì)風(fēng)機(jī)自身運(yùn)行數(shù)據(jù)的考量。文獻(xiàn)[6]基于數(shù)據(jù)分析的風(fēng)機(jī)狀態(tài)監(jiān)測(cè)方法,提出一種基于數(shù)據(jù)采集與監(jiān)控系統(tǒng)(supervisory control and data acquisition, SCADA)數(shù)據(jù)變量相關(guān)性的監(jiān)測(cè)方法,實(shí)現(xiàn)在不同工況下對(duì)風(fēng)機(jī)健康狀況的定量評(píng)估。文獻(xiàn)[7]基于SCADA數(shù)據(jù),提出了一種主動(dòng)診斷式的覆冰監(jiān)測(cè)方法,分別從機(jī)組整體性能、葉槳吸能效率、機(jī)組塔架振動(dòng)對(duì)風(fēng)機(jī)覆冰開展精細(xì)化研究,并進(jìn)行了相互驗(yàn)證,但忽略了指標(biāo)整體關(guān)聯(lián)性。文獻(xiàn)[8]通過SCADA系統(tǒng)收集的基礎(chǔ)數(shù)據(jù)作為模型輸入,提出了一種基于長(zhǎng)短期記憶網(wǎng)絡(luò)的葉片覆冰故障檢測(cè)模型,但LSTM模型存在精確性不足等問題。文獻(xiàn)[9]提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的風(fēng)機(jī)葉片故障預(yù)測(cè)方法,先根據(jù)行業(yè)經(jīng)驗(yàn),從SCADA監(jiān)測(cè)數(shù)據(jù)集選出與風(fēng)力發(fā)電機(jī)葉片結(jié)冰關(guān)聯(lián)度高的數(shù)據(jù),通過多源融合的方法利用BP神經(jīng)網(wǎng)絡(luò)自聚類算法進(jìn)行葉片結(jié)冰故障預(yù)測(cè),但對(duì)數(shù)據(jù)選擇和處理較為粗糙,導(dǎo)致預(yù)測(cè)精度欠缺,且BP自聚類算法存在分類數(shù)據(jù)需求大的問題。支持向量機(jī)(support vector machine,SVM)在學(xué)習(xí)樣本數(shù)較少的情況下比人工智能方法有更強(qiáng)的適應(yīng)性、更好的分類能力[10]。

    綜上所述,傳統(tǒng)的覆冰狀態(tài)監(jiān)測(cè)方法不能精確判斷風(fēng)機(jī)葉片覆冰狀態(tài),且風(fēng)機(jī)覆冰狀態(tài)監(jiān)測(cè)數(shù)據(jù)冗余,處理較為困難。針對(duì)這個(gè)問題,提出一種基于雙向傳播長(zhǎng)短期記憶網(wǎng)絡(luò)(bidirectional long short-term memory, Bi-LSTM)和SVM的風(fēng)機(jī)葉片覆冰狀態(tài)預(yù)測(cè)模型。首先,基于主成分分析法對(duì)SCADA數(shù)據(jù)進(jìn)行降維處理,得到與風(fēng)力發(fā)電機(jī)葉片覆冰關(guān)聯(lián)度較高的數(shù)據(jù)特征;其次,對(duì)篩選的數(shù)據(jù)特征歷史數(shù)據(jù)進(jìn)行數(shù)據(jù)分析與預(yù)處理,并作為訓(xùn)練集輸入Bi-LSTM神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,Bi-LSTM可以有效解決傳統(tǒng)LSTM網(wǎng)絡(luò)對(duì)長(zhǎng)關(guān)聯(lián)數(shù)據(jù)點(diǎn)信息識(shí)別能力較差的問題,經(jīng)過測(cè)試表明預(yù)測(cè)模型精確度良好;最后,基于大量歷史數(shù)據(jù)集訓(xùn)練好的SVM模型,對(duì)Bi-LSTM數(shù)據(jù)特征輸出的預(yù)測(cè)數(shù)據(jù)進(jìn)行覆冰狀態(tài)判別,最終確定風(fēng)機(jī)葉片是否會(huì)出現(xiàn)覆冰故障。

    1 SCADA數(shù)據(jù)特征處理

    1.1 主成分分析法

    基于SCADA監(jiān)測(cè)系統(tǒng)得到的數(shù)據(jù)指標(biāo)集維數(shù)較多,在此情況下,往往會(huì)使得計(jì)算量增大引發(fā)維數(shù)災(zāi)難,因此需要對(duì)數(shù)據(jù)指標(biāo)集進(jìn)行降維。主成分分析法[11](principal component analysis,PCA)是一種廣泛使用的數(shù)據(jù)指標(biāo)降維方法,其目的是對(duì)能反映風(fēng)機(jī)葉片覆冰狀態(tài)特性的數(shù)據(jù)特征進(jìn)行降維,同時(shí)對(duì)具有較高的原始變量信息量的數(shù)據(jù)特征進(jìn)行排序,因此可利用該方法篩選影響風(fēng)機(jī)葉片覆冰的關(guān)鍵指標(biāo)。其步驟如下:

    1)對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理

    2)計(jì)算標(biāo)準(zhǔn)化矩陣的相關(guān)系數(shù)矩陣

    R=(Sij)p×p,i,j=1,2,…p

    (1)

    式中:R為協(xié)方差矩陣;Sij為協(xié)方差矩陣中第i行和第j列所對(duì)應(yīng)的數(shù)。

    3)計(jì)算相關(guān)系數(shù)矩陣的特征值和相應(yīng)的特征向量

    4)選擇主成分

    每個(gè)特征根對(duì)應(yīng)的特征向量為a1,a2…,ap,通過特征向量將標(biāo)準(zhǔn)化的數(shù)據(jù)指標(biāo)轉(zhuǎn)化為主成分

    yi=a′iβ

    (2)

    式中:yi為主成分;β為預(yù)處理后的原變量值。

    主成分的信息量大小由方差貢獻(xiàn)率決定,其表達(dá)式為

    (3)

    式中:αi為方差貢獻(xiàn)率;λi為特征值;m為選取協(xié)方差矩陣特征值的個(gè)數(shù)。

    累積方差貢獻(xiàn)率表達(dá)式為

    (4)

    式中:G(m)為累積方差貢獻(xiàn)率;λk為第k個(gè)主成分的特征值。

    5)計(jì)算主成分載荷

    主成分載荷的表達(dá)式為

    (5)

    式中:lij為主成分載荷;aij為各變量間的相關(guān)系數(shù)矩陣。

    6)主成分得分表達(dá)式

    Gi=α1y1+α2y2+…+αpyp

    (6)

    式中,Gi為最終所提取的主成分得分。

    最后,將原始數(shù)據(jù)集帶入主成分表達(dá)式中即可計(jì)算出主成分得分,通過篩選主成分得分高的構(gòu)成新的數(shù)據(jù)特征集,通常當(dāng)累計(jì)方差貢獻(xiàn)率大于85%時(shí),所確定的主成分可以反映相關(guān)變量特性。

    1.2 數(shù)據(jù)預(yù)處理

    為使數(shù)據(jù)特征形式符合Bi-LSTM風(fēng)機(jī)葉片覆冰預(yù)測(cè)模型的輸入規(guī)范,采用歸一化和標(biāo)準(zhǔn)化對(duì)數(shù)據(jù)進(jìn)行預(yù)處理[12]。針對(duì)范圍有限的數(shù)據(jù)特征,采用歸一化統(tǒng)一不同數(shù)據(jù)特征的取值范圍,即將數(shù)據(jù)特征的上限設(shè)為1,下限設(shè)為0,其表達(dá)式為

    (7)

    式中:X′為預(yù)處理后的數(shù)據(jù)特征;X為原始數(shù)據(jù);Xmax、Xmin分別為數(shù)據(jù)特征中的最大值和最小值。

    對(duì)于范圍不確定的數(shù)據(jù),采用標(biāo)準(zhǔn)化降低異常數(shù)據(jù)帶來的影響,即將數(shù)據(jù)特征的均值轉(zhuǎn)化為0,方差轉(zhuǎn)化為1,其表達(dá)式為

    (8)

    式中,δ、ζ分別為數(shù)據(jù)特征的均值和標(biāo)準(zhǔn)差。

    2 Bi-LSTM神經(jīng)網(wǎng)絡(luò)

    為解決一般的循環(huán)神經(jīng)網(wǎng)絡(luò)(recurrent neural network, RNN)存在的無法記憶長(zhǎng)時(shí)間段信息和對(duì)內(nèi)存與計(jì)算時(shí)間要求高的局限性,LSTM作為一種時(shí)間循環(huán)神經(jīng)網(wǎng)絡(luò)被設(shè)計(jì)提出[13-14]。且雙向機(jī)制可以提供給輸出層輸入序列中每一個(gè)點(diǎn)完整的過去和未來的上下文信息,進(jìn)一步提高網(wǎng)絡(luò)對(duì)長(zhǎng)關(guān)聯(lián)信息的識(shí)別能力[15]。

    LSTM單元包含3個(gè)門控:輸入門、遺忘門和輸出門。此外,每個(gè)序列索引位置t有向前傳播的隱藏狀態(tài)h(t),同時(shí)還有一個(gè)用于描述前后時(shí)間耦合的細(xì)胞狀態(tài),記為C(t)。具體模型結(jié)構(gòu)如圖1所示。

    圖1 LSTM內(nèi)部結(jié)構(gòu)

    LSTM的3個(gè)門控具體運(yùn)作流程如下所述:

    1)遺忘門

    遺忘門決定前一個(gè)時(shí)間步內(nèi)部狀態(tài)對(duì)當(dāng)前時(shí)間步內(nèi)部狀態(tài)的更新。首先,在遺忘門輸入端輸入上一序列的隱藏狀態(tài)ht-1和本序列數(shù)據(jù)Xt;其次,通過激活函數(shù)σ,得到遺忘門的輸出pt;最后,輸出值pt賦值給對(duì)應(yīng)細(xì)胞狀態(tài)變量Ct-1,表達(dá)式為

    pt=σ(Wpht-1+UpXt+bp)

    (9)

    式中:Wp、Up為線性關(guān)系的系數(shù);bp為t-1時(shí)刻到達(dá)t時(shí)刻的神經(jīng)元所對(duì)應(yīng)輸入門的偏置;σ、pt分別為sigmoid的激活函數(shù)和輸出結(jié)果,其中pt∈(0,1)。

    2)輸入門

    輸入門決定當(dāng)前時(shí)間步的輸入和前一個(gè)時(shí)間步的系統(tǒng)狀態(tài)對(duì)內(nèi)部狀態(tài)的更新。具體為將過去的記憶與現(xiàn)在的記憶合并:首先,由sigmoid激活函數(shù)得到it;其次,由tanh激活函數(shù)得到at;然后,將it與at進(jìn)行相乘;最后,用所乘結(jié)果對(duì)細(xì)胞狀態(tài)進(jìn)行更新,其表達(dá)式為

    (10)

    式中,Wi、bi分別為t-1時(shí)刻到達(dá)t時(shí)刻的神經(jīng)元所對(duì)應(yīng)的輸入門的權(quán)重函數(shù)和偏置;Wa、ba分別為t-1時(shí)刻到達(dá)t時(shí)刻的神經(jīng)元所對(duì)應(yīng)的輸入數(shù)據(jù)的權(quán)重函數(shù)和偏置;Ui、Ua為輸入門線性關(guān)系的系數(shù)。

    細(xì)胞狀態(tài)更新過程由Ct-1與遺忘門輸出pt的乘積和輸入門it與at的乘積構(gòu)成。此過程表達(dá)式為

    Ct=Ct-1⊙pt+it⊙a(bǔ)t

    (11)

    式中:Ct為新細(xì)胞狀態(tài);⊙為哈達(dá)瑪積。

    3)輸出門

    輸出門決定內(nèi)部狀態(tài)對(duì)系統(tǒng)狀態(tài)的更新。輸出基于細(xì)胞狀態(tài),但最終輸出結(jié)果會(huì)被過濾。首先,運(yùn)行一個(gè)sigmoid層來確定細(xì)胞狀態(tài)的輸出部分;其次,把細(xì)胞狀態(tài)通過tanh進(jìn)行處理(得到一個(gè)在-1~1之間的值)并將它和sigmoid門的輸出相乘,最終輸出結(jié)果。

    ot=σ[Wo(ht-1,xt)+bo]

    (12)

    ht=ottanh(Ct)

    (13)

    式中:ot為輸出門系數(shù);Wo和bo分別為t-1時(shí)刻到達(dá)t時(shí)刻的神經(jīng)元所對(duì)應(yīng)的輸出門的權(quán)重函數(shù)和偏置。

    Bi-LSTM網(wǎng)絡(luò)的基本思想是對(duì)于一個(gè)訓(xùn)練序列進(jìn)行向前和向后兩次LSTM訓(xùn)練,并連接著同一個(gè)輸出層,從而提供給輸出層輸入序列中每一個(gè)點(diǎn)完整的過去和未來的上下文信息,如圖2所示。其公式為:

    圖2 Bi-LSTM

    1)正向計(jì)算LSTM隱藏層狀態(tài)

    st=f(U·xt+W·st-1)

    (14)

    2)反向計(jì)算LSTM隱藏層狀態(tài)

    (15)

    3)最終輸出取決于s和s′

    (16)

    式中:U、V、W為各個(gè)權(quán)重矩陣;f、g為L(zhǎng)STM激活函數(shù)。

    Bi-LSTM網(wǎng)絡(luò)擁有的特殊門結(jié)構(gòu)和記憶功能,具有良好的時(shí)序數(shù)據(jù)處理能力。風(fēng)機(jī)覆冰預(yù)測(cè)所需基礎(chǔ)數(shù)據(jù)冗雜且都與時(shí)間序有關(guān),所以Bi-LSTM網(wǎng)絡(luò)適用于所提的風(fēng)機(jī)葉片覆冰狀態(tài)預(yù)測(cè)。

    3 SVM模型

    支持向量機(jī)是由Vapnik等人提出[10]。SVM可用于高維模式的識(shí)別,即分類問題研究。其基本思想是,基于在數(shù)據(jù)集里找到支持向量,在特征空間上找到最佳分離超平面使得訓(xùn)練集上的不同樣本間隔最大。

    腕表搭載的機(jī)心Movement RR-01在時(shí)間指示上僅為簡(jiǎn)單的小三針,但是十分有心地加入了停秒機(jī)制和秒針歸零機(jī)制,方便腕表精準(zhǔn)調(diào)校(大部分的腕表在調(diào)整時(shí)間時(shí)秒針會(huì)繼續(xù)走)。這款機(jī)心還仿制了舊式懷表的上鏈機(jī)制,令表主在上發(fā)條時(shí)能夠聽到非常復(fù)古的機(jī)械聲。這些細(xì)節(jié)處的用心,大概就是這匹黑馬得以登頂?shù)脑颉C(jī)心提供100小時(shí)動(dòng)力儲(chǔ)存,時(shí)分秒顯示。

    對(duì)于二分類問題,最優(yōu)分類超平面的表達(dá)式可設(shè)為

    wφ(x)+b=0

    (17)

    式中,w、b分別為權(quán)重和閾值偏差。

    進(jìn)一步地,原樣本空間的二分類問題可表示為

    yi(wφ(x)+b)≥1

    (18)

    式中,yi∈[-1,1],為輸出狀態(tài)類別。

    同時(shí)引入松弛變量εi、懲罰因子C以及Lagrange乘子αi應(yīng)對(duì)可能產(chǎn)生的樣本分錯(cuò)問題,將原問題轉(zhuǎn)換為對(duì)偶問題,即

    (19)

    根據(jù)Kuhn-Tucker條件,αi須滿足

    (20)

    求解上述問題,可得到最優(yōu)分類函數(shù)

    (21)

    式中:sgn(u)為符號(hào)函數(shù),若u>0,則sgn(u)=1,u<0,則sgn(u)=-1;xi為是樣本變量數(shù)據(jù);yi為樣本類標(biāo);x為待分類樣本;m為支持向量個(gè)數(shù);K(x,xi)為核函數(shù)。

    根據(jù)專家的先驗(yàn)知識(shí)預(yù)先選用核函數(shù)為

    K(x,xi)=exp(-γ|u-v|2)

    (22)

    式中,u、v為數(shù)據(jù)集的樣本。

    4 模型求解

    采用MATLAB軟件平臺(tái),對(duì)所建立的基于Bi-LSTM和SVM的風(fēng)機(jī)葉片覆冰狀態(tài)預(yù)測(cè)模型進(jìn)行求解。系統(tǒng)硬件環(huán)境為Intel Core I5 CPU,3.30 GHz,8 GB內(nèi)存,操作系統(tǒng)為Win10 64 bit。求解流程如圖3所示,具體步驟如下:

    圖3 模型求解流程

    1)采用PCA對(duì)原始指標(biāo)數(shù)據(jù)集進(jìn)行降維處理,降維得到與覆冰關(guān)聯(lián)度貢獻(xiàn)最大的特征指標(biāo)。

    2)基于降維得到的特征指標(biāo)選擇所對(duì)應(yīng)的歷史數(shù)據(jù),進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化預(yù)處理,用于Bi-LSTM預(yù)測(cè)模型的訓(xùn)練及測(cè)試評(píng)估。

    3)選擇降維得到特征指標(biāo)對(duì)應(yīng)的覆冰及未覆冰狀態(tài)的歷史數(shù)據(jù),對(duì)SVM分類進(jìn)行訓(xùn)練。

    4)將實(shí)際數(shù)據(jù)輸入Bi-LSTM預(yù)測(cè)模型,輸出得到特征指標(biāo)預(yù)測(cè)數(shù)據(jù),再輸入SVM分類模型對(duì)風(fēng)機(jī)葉片覆冰狀態(tài)進(jìn)行判斷。

    5 算例分析

    5.1 PCA特征指標(biāo)降維

    基于PCA對(duì)SCADA特征指標(biāo)集降維得到13個(gè)特征指標(biāo)。根據(jù)主成分得分對(duì)葉片覆冰影響的重要程度由大到小的排序如表1所示。由于主成分艙內(nèi)溫度、環(huán)境溫度及偏航位置的累積方差貢獻(xiàn)率達(dá)到了85%以上,具有較高的原始變量信息量,可以反映葉片覆冰狀態(tài)之間的相關(guān)性,因此選擇上述3個(gè)特征指標(biāo)作為所提模型的輸入量。

    表1 13個(gè)數(shù)據(jù)特征排序

    5.2 Bi-LSTM預(yù)測(cè)模型分析

    對(duì)覆冰和正常狀態(tài)的數(shù)據(jù)集添加標(biāo)記以區(qū)分,總共采集2000組數(shù)據(jù),其中后400組數(shù)據(jù)為覆冰狀態(tài)數(shù)據(jù)。根據(jù)模型經(jīng)驗(yàn)[16],并對(duì)比在不同訓(xùn)練樣本和測(cè)試樣本下的預(yù)測(cè)精度,如圖4所示,可知訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)的數(shù)量之比為1600∶400時(shí)能收獲較好的預(yù)測(cè)精度,且再增加訓(xùn)練樣本時(shí),模型的預(yù)測(cè)精度基本保持不變。因此選用1600組數(shù)據(jù)用于模型訓(xùn)練,400組數(shù)據(jù)用于模型測(cè)試。通過多次試驗(yàn),Bi-LSTM預(yù)測(cè)模型的參數(shù)為:2層隱藏層,每層神經(jīng)元數(shù)依次為64、128個(gè);訓(xùn)練1000輪;激活函數(shù)為adma;批大小為32。

    圖4 不同訓(xùn)練樣本/測(cè)試樣本比例下模型預(yù)測(cè)效果對(duì)比

    選取主成分得分前三的數(shù)據(jù)特征的艙內(nèi)溫度、環(huán)境溫度及偏航位置3組指標(biāo),通過可視化視圖顯示Bi-LSTM訓(xùn)練集數(shù)據(jù)的預(yù)測(cè)結(jié)果。圖5、圖6和圖7分別展示了預(yù)處理后的機(jī)艙溫度、環(huán)境溫度及偏航位置預(yù)測(cè)值和實(shí)際值走勢(shì)。從圖中可看出,預(yù)測(cè)值和實(shí)際值具有較高的重合度,說明所提方法Bi-LSTM預(yù)測(cè)模型有效性。

    圖5 艙內(nèi)溫度真實(shí)值與預(yù)測(cè)值對(duì)比

    圖6 環(huán)境溫度真實(shí)值與預(yù)測(cè)值對(duì)比

    圖7 偏航位置真實(shí)值與預(yù)測(cè)值對(duì)比

    為進(jìn)一步說明采用Bi-LSTM預(yù)測(cè)模型的準(zhǔn)確性,采用表2中的3種誤差函數(shù)作為模型評(píng)價(jià)指標(biāo)[17]。

    表2 誤差函數(shù)

    誤差函數(shù)的公式如下:

    1)平均絕對(duì)誤差(mean absolute error, MAE)

    (23)

    2)平均絕對(duì)百分比誤差(mean absolute percentage error,MAPE)

    (24)

    3)均方根誤差(root mean square error,RMSE)

    (25)

    通過測(cè)試集數(shù)據(jù)預(yù)測(cè)結(jié)果,選取艙內(nèi)溫度為例,對(duì)比Bi-LSTM與其他3種預(yù)測(cè)模型的MAE、MAPE和RMSE評(píng)價(jià)指標(biāo),如表3所示。所采用的Bi-LSTM模型評(píng)價(jià)指標(biāo)均優(yōu)于其他兩種模型,由此可見Bi-LSTM預(yù)測(cè)準(zhǔn)確性更好。

    表3 4種預(yù)測(cè)模型的性能指標(biāo)結(jié)果

    5.3 風(fēng)機(jī)覆冰狀態(tài)預(yù)測(cè)分析

    基于Bi-LSTM和SVM的風(fēng)機(jī)葉片短期覆冰狀態(tài)預(yù)測(cè)模型,自動(dòng)判斷未來一段時(shí)間內(nèi)是否會(huì)出現(xiàn)風(fēng)機(jī)葉片覆冰故障。首先,分別從2000組正常工況和覆冰工況預(yù)測(cè)數(shù)據(jù)集中各挑選300組標(biāo)簽數(shù)據(jù),將標(biāo)簽數(shù)據(jù)輸入SVM模型進(jìn)行深度訓(xùn)練,將覆冰工況下每組數(shù)據(jù)的訓(xùn)練值標(biāo)記為1,正常工況下每組數(shù)據(jù)的訓(xùn)練值標(biāo)記為0。當(dāng)SVM模型訓(xùn)練完成后,通過將真實(shí)數(shù)據(jù)輸入Bi-LSTM預(yù)測(cè)模型,再將預(yù)測(cè)輸出值輸入SVM模型,對(duì)應(yīng)可得到一個(gè)在0.5左右的聚類輸出值,若輸出值大于0.5,則判斷1,狀態(tài)為覆冰;若輸出值小于0.5,則判斷為0,狀態(tài)為正常。

    從實(shí)際數(shù)據(jù)集中各挑選40組正常和覆冰工況下的數(shù)據(jù)輸入Bi-LSTM狀態(tài)預(yù)測(cè)模型,得到艙內(nèi)溫度、環(huán)境溫度及偏航位置的預(yù)測(cè)值,將其輸入SVM分類模型,最后根據(jù)預(yù)測(cè)輸出值判斷風(fēng)機(jī)葉片覆冰狀態(tài),基于Bi-LSTM和SVM狀態(tài)預(yù)測(cè)模型輸出結(jié)果最終只有4組數(shù)據(jù)發(fā)生誤判,76組預(yù)測(cè)輸出為正確。通過此實(shí)驗(yàn)可以得出,所提的預(yù)測(cè)方法準(zhǔn)確率為95.0%。

    6 結(jié) 語

    以某風(fēng)電場(chǎng)風(fēng)電機(jī)組SCADA數(shù)據(jù)為基礎(chǔ),提出了一種基于Bi-LSTM和SVM的風(fēng)機(jī)葉片覆冰狀態(tài)預(yù)測(cè)模型,通過大量歷史數(shù)據(jù)對(duì)Bi-LSTM預(yù)測(cè)模型及SVM模型進(jìn)行訓(xùn)練,Bi-LSTM預(yù)測(cè)可以得到更好的預(yù)測(cè)效果。此外,結(jié)合實(shí)際數(shù)據(jù),對(duì)風(fēng)機(jī)葉片未來一段時(shí)間是否會(huì)出現(xiàn)覆冰故障進(jìn)行預(yù)測(cè),預(yù)測(cè)結(jié)果表明所提的方法正確率可以達(dá)到95.0%,在準(zhǔn)確性和時(shí)效性上要強(qiáng)于其他傳統(tǒng)方法。進(jìn)一步地,當(dāng)獲得新的實(shí)際數(shù)據(jù)后,預(yù)測(cè)模型可以繼續(xù)對(duì)訓(xùn)練集進(jìn)行擴(kuò)展,進(jìn)而提高預(yù)測(cè)準(zhǔn)確率。同時(shí)可以為風(fēng)機(jī)葉片覆冰狀態(tài)預(yù)測(cè)提供可靠的決策依據(jù),確保風(fēng)電場(chǎng)在嚴(yán)寒季節(jié)能安全經(jīng)濟(jì)運(yùn)行。

    猜你喜歡
    風(fēng)機(jī)葉片狀態(tài)
    月季葉片“雕刻師”
    兩種噴涂方法在TRT葉片上的對(duì)比應(yīng)用及研究
    狀態(tài)聯(lián)想
    風(fēng)機(jī)折翼“倒春寒”
    能源(2018年5期)2018-06-15 08:56:02
    生命的另一種狀態(tài)
    風(fēng)機(jī)倒塔事故為何頻發(fā)?
    能源(2017年9期)2017-10-18 00:48:27
    節(jié)能技術(shù)EPU在AV71風(fēng)機(jī)上的應(yīng)用
    熱圖
    家庭百事通(2016年3期)2016-03-14 08:07:17
    堅(jiān)持是成功前的狀態(tài)
    山東青年(2016年3期)2016-02-28 14:25:52
    TS3000系統(tǒng)防喘振控制在 AV80-14風(fēng)機(jī)中的應(yīng)用
    日韩 欧美 亚洲 中文字幕| 成人午夜高清在线视频| 午夜激情福利司机影院| 精品久久久久久久久久免费视频| 天天一区二区日本电影三级| 在线十欧美十亚洲十日本专区| 欧美一级毛片孕妇| 国产真实乱freesex| 日韩大码丰满熟妇| 亚洲精品久久国产高清桃花| www.www免费av| 久久久久国内视频| 日本一二三区视频观看| 黄片大片在线免费观看| 1024手机看黄色片| 日本一区二区免费在线视频| 久久久久九九精品影院| 日韩大码丰满熟妇| 亚洲国产精品999在线| 黄片小视频在线播放| 男女之事视频高清在线观看| 性欧美人与动物交配| 成人一区二区视频在线观看| 国产精品亚洲一级av第二区| 久久99热这里只有精品18| 丝袜美腿诱惑在线| 国产日本99.免费观看| 亚洲在线自拍视频| 在线观看www视频免费| 美女大奶头视频| 免费电影在线观看免费观看| 久久99热这里只有精品18| 久久天堂一区二区三区四区| 欧美黑人欧美精品刺激| 老汉色av国产亚洲站长工具| 亚洲av成人av| 美女高潮喷水抽搐中文字幕| 黄色视频不卡| 波多野结衣高清作品| 国产免费av片在线观看野外av| 丰满人妻一区二区三区视频av | 三级男女做爰猛烈吃奶摸视频| 久久久国产欧美日韩av| videosex国产| 免费在线观看黄色视频的| 一本精品99久久精品77| 在线观看免费视频日本深夜| 婷婷六月久久综合丁香| 精品国产乱码久久久久久男人| 日韩有码中文字幕| 两个人看的免费小视频| 中文亚洲av片在线观看爽| 国产又色又爽无遮挡免费看| 最近最新中文字幕大全免费视频| 欧美一级毛片孕妇| 婷婷精品国产亚洲av| 99re在线观看精品视频| 极品教师在线免费播放| 国产亚洲欧美98| 成人欧美大片| 亚洲全国av大片| 天堂动漫精品| 操出白浆在线播放| 成人永久免费在线观看视频| av欧美777| 久久亚洲真实| 亚洲人成网站高清观看| 欧美精品亚洲一区二区| 999久久久精品免费观看国产| 亚洲av成人不卡在线观看播放网| 少妇被粗大的猛进出69影院| 亚洲精品美女久久av网站| 精品国产乱码久久久久久男人| 日本a在线网址| 日本一二三区视频观看| av片东京热男人的天堂| 中文字幕最新亚洲高清| 成人一区二区视频在线观看| 成人国产综合亚洲| 色哟哟哟哟哟哟| 亚洲美女黄片视频| 1024香蕉在线观看| 91av网站免费观看| 禁无遮挡网站| 亚洲第一欧美日韩一区二区三区| 窝窝影院91人妻| 在线a可以看的网站| 日韩欧美 国产精品| 白带黄色成豆腐渣| 三级国产精品欧美在线观看 | 亚洲真实伦在线观看| 亚洲,欧美精品.| 听说在线观看完整版免费高清| 亚洲男人天堂网一区| 亚洲av第一区精品v没综合| 欧美人与性动交α欧美精品济南到| 精品午夜福利视频在线观看一区| 啦啦啦观看免费观看视频高清| 国产黄片美女视频| 亚洲真实伦在线观看| 男女床上黄色一级片免费看| 久久久久久久精品吃奶| 欧美色欧美亚洲另类二区| 中文字幕久久专区| 亚洲av五月六月丁香网| 国产亚洲av高清不卡| 午夜免费成人在线视频| 老鸭窝网址在线观看| 精品久久久久久久久久久久久| 亚洲国产高清在线一区二区三| 一进一出好大好爽视频| 美女 人体艺术 gogo| 9191精品国产免费久久| 久久这里只有精品中国| 变态另类丝袜制服| 最近最新中文字幕大全免费视频| 黄片大片在线免费观看| 午夜激情福利司机影院| 亚洲在线自拍视频| 午夜激情av网站| 日韩欧美 国产精品| 久久精品国产亚洲av香蕉五月| 日韩欧美三级三区| 一夜夜www| 久久香蕉激情| 特大巨黑吊av在线直播| 人人妻人人看人人澡| 一边摸一边做爽爽视频免费| 男女午夜视频在线观看| 女生性感内裤真人,穿戴方法视频| 18禁裸乳无遮挡免费网站照片| 欧美日韩一级在线毛片| 亚洲专区字幕在线| 99热只有精品国产| 夜夜夜夜夜久久久久| 亚洲国产精品合色在线| 变态另类丝袜制服| 人妻久久中文字幕网| 一级黄色大片毛片| videosex国产| 国产av一区在线观看免费| 亚洲精品中文字幕在线视频| 听说在线观看完整版免费高清| 欧美另类亚洲清纯唯美| 欧美三级亚洲精品| 国产精品精品国产色婷婷| 欧美一级毛片孕妇| 日本黄大片高清| 国产精品精品国产色婷婷| 校园春色视频在线观看| 国产高清视频在线播放一区| 99国产综合亚洲精品| 婷婷丁香在线五月| 欧美一区二区精品小视频在线| 叶爱在线成人免费视频播放| 欧美大码av| 人妻夜夜爽99麻豆av| 露出奶头的视频| 特大巨黑吊av在线直播| 欧美一区二区精品小视频在线| 日本免费a在线| 久久九九热精品免费| 日韩大码丰满熟妇| 欧美极品一区二区三区四区| 91九色精品人成在线观看| 亚洲av成人不卡在线观看播放网| avwww免费| 亚洲欧美精品综合一区二区三区| 亚洲美女黄片视频| 久久久久久国产a免费观看| 亚洲黑人精品在线| 别揉我奶头~嗯~啊~动态视频| 中文在线观看免费www的网站 | 日韩欧美精品v在线| 久久久国产成人精品二区| 亚洲欧洲精品一区二区精品久久久| 中文资源天堂在线| 免费在线观看影片大全网站| 色综合亚洲欧美另类图片| 亚洲免费av在线视频| 熟女少妇亚洲综合色aaa.| 亚洲av中文字字幕乱码综合| 熟女电影av网| 他把我摸到了高潮在线观看| 国产精品日韩av在线免费观看| 欧美在线一区亚洲| 日本撒尿小便嘘嘘汇集6| 天堂影院成人在线观看| 手机成人av网站| 一级a爱片免费观看的视频| or卡值多少钱| 无人区码免费观看不卡| 国产成人av激情在线播放| 老熟妇乱子伦视频在线观看| 99re在线观看精品视频| 人成视频在线观看免费观看| 国产单亲对白刺激| 色综合婷婷激情| 人妻夜夜爽99麻豆av| 日本精品一区二区三区蜜桃| 嫁个100分男人电影在线观看| 中文字幕最新亚洲高清| 午夜两性在线视频| 亚洲精品国产精品久久久不卡| 久久久久久亚洲精品国产蜜桃av| 精品一区二区三区视频在线观看免费| 两个人视频免费观看高清| 久久久精品大字幕| www日本黄色视频网| 真人一进一出gif抽搐免费| 一本综合久久免费| 久久久久久国产a免费观看| 亚洲国产中文字幕在线视频| 日韩欧美 国产精品| 亚洲aⅴ乱码一区二区在线播放 | 国产免费av片在线观看野外av| 国产麻豆成人av免费视频| 亚洲一区中文字幕在线| 嫩草影院精品99| 久久午夜综合久久蜜桃| 午夜影院日韩av| 成人手机av| 欧美一级毛片孕妇| 久久香蕉精品热| 在线观看美女被高潮喷水网站 | 亚洲片人在线观看| 亚洲人与动物交配视频| 欧美日韩黄片免| 日日干狠狠操夜夜爽| 国产成人av激情在线播放| 美女免费视频网站| 非洲黑人性xxxx精品又粗又长| 亚洲国产精品合色在线| 香蕉丝袜av| 欧美一级a爱片免费观看看 | 日日摸夜夜添夜夜添小说| 久久精品夜夜夜夜夜久久蜜豆 | 日日摸夜夜添夜夜添小说| 国产黄片美女视频| 精品久久久久久久久久久久久| 欧美日韩精品网址| 99re在线观看精品视频| 日日干狠狠操夜夜爽| 亚洲av电影不卡..在线观看| 岛国在线观看网站| 日韩精品免费视频一区二区三区| 亚洲国产精品成人综合色| 成人亚洲精品av一区二区| 一边摸一边做爽爽视频免费| 久久中文看片网| 91国产中文字幕| 看免费av毛片| 久久久久久人人人人人| 亚洲国产欧洲综合997久久,| 精品熟女少妇八av免费久了| 九色国产91popny在线| 欧美日韩精品网址| 色综合亚洲欧美另类图片| 亚洲av熟女| av片东京热男人的天堂| 两性午夜刺激爽爽歪歪视频在线观看 | 午夜福利成人在线免费观看| 国产精品98久久久久久宅男小说| 女生性感内裤真人,穿戴方法视频| 亚洲免费av在线视频| av免费在线观看网站| 一二三四社区在线视频社区8| 成年免费大片在线观看| 欧美日韩瑟瑟在线播放| 国产精品香港三级国产av潘金莲| 51午夜福利影视在线观看| 亚洲国产中文字幕在线视频| 妹子高潮喷水视频| 国产黄色小视频在线观看| 亚洲第一欧美日韩一区二区三区| 日本成人三级电影网站| 国产精品av视频在线免费观看| 毛片女人毛片| 成人18禁高潮啪啪吃奶动态图| 欧美日韩黄片免| 国产黄a三级三级三级人| x7x7x7水蜜桃| 黑人操中国人逼视频| 国产精品久久久av美女十八| 99久久无色码亚洲精品果冻| svipshipincom国产片| 夜夜看夜夜爽夜夜摸| 日韩三级视频一区二区三区| tocl精华| 真人做人爱边吃奶动态| 男人舔女人的私密视频| 丝袜美腿诱惑在线| 欧美国产日韩亚洲一区| 在线观看www视频免费| 久久香蕉国产精品| av片东京热男人的天堂| 国产精品国产高清国产av| 国产精品免费一区二区三区在线| 久9热在线精品视频| 女同久久另类99精品国产91| 久久久久国内视频| 又紧又爽又黄一区二区| 亚洲国产精品成人综合色| 成人永久免费在线观看视频| 香蕉丝袜av| 午夜日韩欧美国产| 淫秽高清视频在线观看| 欧美高清成人免费视频www| 十八禁网站免费在线| 日本在线视频免费播放| 久久精品aⅴ一区二区三区四区| 免费看日本二区| 国产男靠女视频免费网站| 日本一区二区免费在线视频| 91字幕亚洲| 精品欧美国产一区二区三| 三级男女做爰猛烈吃奶摸视频| 大型av网站在线播放| 又黄又粗又硬又大视频| 搡老妇女老女人老熟妇| 国产精品乱码一区二三区的特点| 久久精品国产亚洲av高清一级| 国产亚洲精品一区二区www| 色综合站精品国产| 精品高清国产在线一区| 欧美性猛交黑人性爽| 免费在线观看日本一区| 国产午夜精品久久久久久| 国产在线精品亚洲第一网站| 天堂动漫精品| 日日夜夜操网爽| 亚洲精品色激情综合| 伦理电影免费视频| 黄片小视频在线播放| 亚洲欧洲精品一区二区精品久久久| 日韩精品免费视频一区二区三区| 午夜成年电影在线免费观看| 黄色女人牲交| 成人18禁高潮啪啪吃奶动态图| 丰满的人妻完整版| 中文字幕最新亚洲高清| 亚洲男人天堂网一区| 国产aⅴ精品一区二区三区波| 国产不卡一卡二| 婷婷丁香在线五月| 亚洲片人在线观看| 久久久久精品国产欧美久久久| avwww免费| 欧美日韩亚洲国产一区二区在线观看| 国产高清激情床上av| 色av中文字幕| 久久99热这里只有精品18| 国产久久久一区二区三区| 日韩精品免费视频一区二区三区| 国产精品永久免费网站| 他把我摸到了高潮在线观看| 两个人看的免费小视频| 国产av不卡久久| 亚洲 欧美一区二区三区| 一二三四社区在线视频社区8| 50天的宝宝边吃奶边哭怎么回事| 黄色视频不卡| 亚洲午夜理论影院| 在线观看美女被高潮喷水网站 | 88av欧美| 窝窝影院91人妻| 国产一区二区在线av高清观看| 人妻丰满熟妇av一区二区三区| 亚洲精品色激情综合| 亚洲在线自拍视频| 久久香蕉国产精品| 欧美日本视频| 搡老妇女老女人老熟妇| 精品福利观看| 在线观看午夜福利视频| 国产99白浆流出| 亚洲欧美日韩高清专用| 亚洲专区中文字幕在线| x7x7x7水蜜桃| 搡老岳熟女国产| 欧美一级毛片孕妇| 国产精品久久久人人做人人爽| 国产av一区在线观看免费| 香蕉av资源在线| 最新美女视频免费是黄的| 国产欧美日韩一区二区三| 国产人伦9x9x在线观看| 一二三四社区在线视频社区8| 啦啦啦韩国在线观看视频| 国产三级黄色录像| 韩国av一区二区三区四区| 我要搜黄色片| 成年版毛片免费区| 亚洲五月婷婷丁香| 日韩欧美 国产精品| 亚洲人与动物交配视频| 无遮挡黄片免费观看| 国产v大片淫在线免费观看| 国产真人三级小视频在线观看| 亚洲国产中文字幕在线视频| 国产精品,欧美在线| 亚洲在线自拍视频| 久久久久久大精品| 亚洲最大成人中文| 中亚洲国语对白在线视频| 熟女电影av网| 国产精华一区二区三区| 欧美日本视频| 男女做爰动态图高潮gif福利片| 亚洲国产看品久久| 在线观看午夜福利视频| 免费在线观看日本一区| 五月伊人婷婷丁香| 在线观看免费午夜福利视频| 欧美精品亚洲一区二区| 淫秽高清视频在线观看| 久久热在线av| 国产又色又爽无遮挡免费看| 久久这里只有精品19| 国产午夜福利久久久久久| av视频在线观看入口| 亚洲中文日韩欧美视频| 丰满的人妻完整版| 性欧美人与动物交配| 午夜视频精品福利| 丝袜人妻中文字幕| 欧美日韩瑟瑟在线播放| 九九热线精品视视频播放| 久久国产精品人妻蜜桃| 国产高清激情床上av| 99久久国产精品久久久| 动漫黄色视频在线观看| 日韩大码丰满熟妇| 欧美不卡视频在线免费观看 | 亚洲国产中文字幕在线视频| 美女高潮喷水抽搐中文字幕| 久久久久久久久中文| av在线天堂中文字幕| 亚洲一区中文字幕在线| 青草久久国产| 一二三四在线观看免费中文在| 91国产中文字幕| 亚洲专区中文字幕在线| 欧美一级毛片孕妇| 黄片小视频在线播放| 久久 成人 亚洲| 免费看美女性在线毛片视频| 一二三四在线观看免费中文在| 欧美乱妇无乱码| 好男人电影高清在线观看| 国产日本99.免费观看| 国产又色又爽无遮挡免费看| 亚洲av成人精品一区久久| 欧美性猛交黑人性爽| 99国产精品一区二区三区| 色精品久久人妻99蜜桃| 老熟妇仑乱视频hdxx| 成年免费大片在线观看| 少妇被粗大的猛进出69影院| 他把我摸到了高潮在线观看| 国产成人欧美在线观看| 国产不卡一卡二| 日本一本二区三区精品| 午夜福利免费观看在线| 色老头精品视频在线观看| 午夜免费激情av| 成人国产一区最新在线观看| 亚洲av电影不卡..在线观看| 天堂动漫精品| 特级一级黄色大片| 男插女下体视频免费在线播放| 大型黄色视频在线免费观看| 精品日产1卡2卡| 亚洲av美国av| 在线观看舔阴道视频| 母亲3免费完整高清在线观看| 日本黄色视频三级网站网址| 欧美色欧美亚洲另类二区| 国内揄拍国产精品人妻在线| 国产99久久九九免费精品| 欧美日韩亚洲综合一区二区三区_| 老熟妇乱子伦视频在线观看| 麻豆成人午夜福利视频| 亚洲国产精品999在线| 中文字幕最新亚洲高清| 国产一区二区三区在线臀色熟女| 成年版毛片免费区| av福利片在线| 在线观看一区二区三区| 日日夜夜操网爽| 亚洲av第一区精品v没综合| 国产精品久久久久久久电影 | 欧美色视频一区免费| 国产亚洲精品第一综合不卡| 一本精品99久久精品77| 成在线人永久免费视频| 国产精品98久久久久久宅男小说| 免费在线观看黄色视频的| 啦啦啦免费观看视频1| 男女那种视频在线观看| 精品国产乱码久久久久久男人| 小说图片视频综合网站| 亚洲欧美激情综合另类| 久久天堂一区二区三区四区| 9191精品国产免费久久| 这个男人来自地球电影免费观看| 久久久久亚洲av毛片大全| 久久伊人香网站| 久久香蕉国产精品| 欧美不卡视频在线免费观看 | 巨乳人妻的诱惑在线观看| 九色国产91popny在线| 黄色视频,在线免费观看| 午夜激情av网站| 在线观看免费午夜福利视频| 一区福利在线观看| 亚洲av中文字字幕乱码综合| 男女视频在线观看网站免费 | 色综合欧美亚洲国产小说| 国产高清视频在线观看网站| 日韩国内少妇激情av| 18禁裸乳无遮挡免费网站照片| 久久欧美精品欧美久久欧美| 精品久久久久久久久久久久久| 90打野战视频偷拍视频| 麻豆成人av在线观看| bbb黄色大片| 两个人免费观看高清视频| 中文字幕高清在线视频| 欧美成人一区二区免费高清观看 | av在线天堂中文字幕| 国产亚洲精品久久久久久毛片| 精品无人区乱码1区二区| 色综合亚洲欧美另类图片| 午夜日韩欧美国产| a在线观看视频网站| 久久久久亚洲av毛片大全| 伦理电影免费视频| 叶爱在线成人免费视频播放| 国产午夜福利久久久久久| 可以免费在线观看a视频的电影网站| 亚洲精品色激情综合| 欧美 亚洲 国产 日韩一| 后天国语完整版免费观看| 美女午夜性视频免费| 日日爽夜夜爽网站| 母亲3免费完整高清在线观看| 欧美+亚洲+日韩+国产| 欧美国产日韩亚洲一区| 成在线人永久免费视频| 国产午夜福利久久久久久| 中出人妻视频一区二区| 老汉色av国产亚洲站长工具| 亚洲av五月六月丁香网| 无人区码免费观看不卡| 午夜免费观看网址| 国产伦一二天堂av在线观看| 亚洲欧美日韩高清专用| 亚洲片人在线观看| 黑人操中国人逼视频| 禁无遮挡网站| 欧美在线黄色| 波多野结衣巨乳人妻| 又大又爽又粗| 久久久国产欧美日韩av| 免费在线观看日本一区| 国产精品 国内视频| 日韩精品青青久久久久久| 亚洲天堂国产精品一区在线| 精品国产乱码久久久久久男人| 三级国产精品欧美在线观看 | 一级黄色大片毛片| 国产69精品久久久久777片 | 三级毛片av免费| 1024香蕉在线观看| 天天一区二区日本电影三级| 女警被强在线播放| 18禁国产床啪视频网站| 两性午夜刺激爽爽歪歪视频在线观看 | 99国产精品一区二区三区| 99精品久久久久人妻精品| 久久99热这里只有精品18| 好看av亚洲va欧美ⅴa在| 后天国语完整版免费观看| 久久精品夜夜夜夜夜久久蜜豆 | 一二三四社区在线视频社区8| 老熟妇乱子伦视频在线观看| aaaaa片日本免费| 国产高清视频在线观看网站| 老熟妇乱子伦视频在线观看| 在线看三级毛片| www.999成人在线观看| 国内精品一区二区在线观看| 久久久精品国产亚洲av高清涩受| 91麻豆精品激情在线观看国产| 99国产精品一区二区三区| 日本一区二区免费在线视频| 国产精品,欧美在线| 久久久久国产精品人妻aⅴ院| 久久久精品国产亚洲av高清涩受| 欧美黄色片欧美黄色片| 亚洲av五月六月丁香网| 桃色一区二区三区在线观看| 亚洲精品美女久久av网站| 又紧又爽又黄一区二区| 成年女人毛片免费观看观看9| 欧美一区二区国产精品久久精品 | 老鸭窝网址在线观看| 亚洲乱码一区二区免费版| 国内精品久久久久精免费| 国产精品久久视频播放| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲精品av麻豆狂野| 嫁个100分男人电影在线观看| 国产又色又爽无遮挡免费看|