• <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LMD-IMVO-LSSVM的短期風速預測

    2021-09-25 02:44:36桑茂景謝麗蓉李進衛(wèi)
    可再生能源 2021年9期
    關鍵詞:分量風速宇宙

    桑茂景,謝麗蓉,李進衛(wèi),王 斌,3,楊 歡,4

    (1.新疆大學 電力系統(tǒng)及發(fā)電設備控制和仿真國家重點實驗室風光儲分室,新疆 烏魯木齊 830047;2.中船重工海為(新疆)新能源有限公司,新疆 烏魯木齊 830002;3.山東鋼鐵集團日照有限公司,山東 日照276805;4.清華大學 電力系統(tǒng)及發(fā)電設備控制和仿真國家重點實驗室,北京 100084)

    0 引言

    隨著化石燃料的大量使用,化石能源枯竭及其所帶來的環(huán)境問題日益嚴峻。清潔、可持續(xù)的風能逐漸受到各國的高度重視。然而風能的間歇性、隨機性和不可控性,使得風電大規(guī)模并網(wǎng)存在巨大的挑戰(zhàn),因此準確有效地預測風速對電力系統(tǒng)的平穩(wěn)運行意義重大。

    近年來,科研人員對風速預測已經(jīng)做了大量的研究。目前,用于風速預測的方法主要有回歸分析方法、時間序列方法、馬爾科夫鏈方法、支持向量機方法和神經(jīng)網(wǎng)絡方法等[1]~[5]。然而,在現(xiàn)實風速預測中,通過以上單一預測方法往往無法達到理想的預測效果,要對單一預測模型進行一定的優(yōu)化和改進來提高風速的預測精度。文獻[6]采用了廣義回歸神經(jīng)網(wǎng)絡的預測方法對風速進行預測,該方法具有結(jié)構簡單,方便實現(xiàn),對訓練數(shù)據(jù)數(shù)量要求不高的特點,和BP神經(jīng)網(wǎng)絡相比較,其預測的精確度和準確度有所提高;然后又對廣義回歸神經(jīng)網(wǎng)絡中的光滑參數(shù)進行粒子群(PSO)優(yōu)化選取,使其取值不再盲目,進一步提高了其預測精度。文獻[7]從4個方面對局部均值分解(LMD)和經(jīng)驗模態(tài)分解(EMD)進行比較,結(jié)果表明,與EMD相比,LMD可以有效地消除模態(tài)混疊,從而獲得更準確的瞬時頻率。文獻[8]采用多元宇宙優(yōu)化算法(MVO)對最小二乘支持向量機(LSSVM)模型的若干參數(shù)進行優(yōu)化,取得了較高的建模精度。文獻[9]利用集合經(jīng)驗模態(tài)分解法將風速序列分解為頻率不同的若干個分量,降低了風速序列的非平穩(wěn)性;然后利用花朵授粉算法優(yōu)化BP神經(jīng)網(wǎng)絡構建預測模型,預測各個分量的變化趨勢;最后將各個分量的預測值進行疊加組合,得出最終的風速預測值。但是上述方法均未達到理想的預測效果。

    鑒于LSSVM具有較強的泛化能力以及樣本問題處理能力等優(yōu)點,本文采用改進多元宇宙算法(IMVO)對LSSVM參數(shù)進行尋優(yōu),并結(jié)合LMD方法,提出一種基于LMD-IMVO-LSSVM的風速預測模型。通過實驗仿真分析,所提方法有效提高了風速預測的精度。

    1 局部均值分解

    LMD是一種新的自適應非平穩(wěn)信號的處理方法,可自適應地將一個復雜的多分量非平穩(wěn)信號分解成若干個乘積函數(shù)(PF)之和[10],其中每一個PF分量都是一個純調(diào)頻信號和一個包絡信號的乘積。在經(jīng)典的LMD方法中,采用滑動平均法得到的局部均值函數(shù)和包絡估計函數(shù)會發(fā)生較明顯的相位偏移現(xiàn)象。為解決上述問題,本文采用三次樣條插值法進行平滑處理,LMD分解過程如下。

    ①找出原始信號x(t)的所有極值點并排序,分別對左、右端的極值點進行鏡像延拓[11],從而得到 延 拓 后 的 序 列x'(t)。

    ②對所有的極值點分別進行三次樣條插值,得到上包絡線Eup和下包絡線Edown。

    ③通 過 式(1)和 式(2)求 出 局 部 均 值 函 數(shù)m11(t)和 包 絡 估 計 函 數(shù)a11(t)。

    ④將m11(t)從 原 始 信 號x'(t)中 分 離 出 來,得到 剩 余 量h11(t),對h11(t)進 行 解 調(diào),得 到 調(diào) 頻 信號s11(t)。

    ⑥將上述過程中產(chǎn)生的所有包絡估計函數(shù)相乘,得 到 包 絡 信 號a1(t)。將a1(t)和s1n(t)相 乘,得到 信 號x'(t)的 第 一 個PF分 量。

    PF1(t)的 瞬 時 頻 率f1(t)可 由s1n(t)求 出:

    ⑦將PF1(t)從 原 始 信 號x'(t)中 分 離 出 來,得到 一 個 新 信 號u1(t)。對u1(t)重 復 上 述 步 驟k次,直到uk(t)為常數(shù)或一個單調(diào)函數(shù)為止。

    至此,將原始信號分解為k個PF分量和一個剩余分量uk之和。

    2 基于LMD-IMVO-LSSVM的風速預測模型

    2.1 LSSVM及核函數(shù)選擇

    LSSVM是對支持向量機(SVM)的一種改進,將QP問題轉(zhuǎn)化為求解線性方程組問題,將不等式約束變?yōu)榈仁郊s束,從而方便了Lagrange乘子alpha的求解,提高了收斂速度[12]。對于給定訓練集:

    假設其回歸函數(shù)為

    式中:x為樣本輸入;y為樣本輸出;ω和b分別為高維空間中超平面的法向量和截距。

    根據(jù)風險最小化原則,回歸問題可以轉(zhuǎn)化為約束問題。

    式中:ei為松弛變量;γ為正則化因數(shù)。

    引入Lagrange乘子α,上述問題轉(zhuǎn)化為

    分 別 對 ω,b,e,α求 偏 微 分,得 到 最 優(yōu) 值,進而建立回歸函數(shù):

    式 中:K(x,xi)為 核 函 數(shù)。

    在用LSSVM進行風速預測時,核函數(shù)類型對LSSVM回歸性能有很大的影響。LSSVM常用的核函數(shù)有線性核函數(shù)、徑向基核函數(shù)、多項式核函數(shù)和傅里葉核函數(shù)等。文獻[13]通過對不同核函數(shù)的仿真分析,得出徑向基核函數(shù)的預測精度較高,因此本文選用徑向基核函數(shù),其表達式為

    式中:σ為核寬度。

    懲罰因子 γ和 σ是影響LSSVM預測性能的主要參數(shù),為提高模型的預測精度,本文采用改進多元宇宙算法尋優(yōu)這兩個參數(shù),來提高風速預測精度。

    2.2 MVO

    MVO是Seyedali Mirjalili受到多元宇宙理論的啟發(fā)提出來的元啟發(fā)式優(yōu)化算法[14]。主要根據(jù)多元宇宙理論的3個主要概念-白洞、黑洞和蟲洞,來建立數(shù)學模型。

    MVO算法中的可行解對應宇宙,解的適應度對應該宇宙的膨脹率,在每一次迭代中,根據(jù)膨脹率對宇宙進行排序,通過輪盤賭隨機選定一個宇宙作為白洞,宇宙間通過黑、白洞進行物質(zhì)交換。假定:

    宇宙之間通過蟲洞隨機傳送物質(zhì)以保證種群多樣性,同時都與最優(yōu)宇宙交換物質(zhì)以提高膨脹率。

    WEP和TDR均為MVO的重要參數(shù)。式中:WEPmax和WEPmin分別為參數(shù)WEP的上、下界,取0.2和1;l和L分別為當前迭代次數(shù)和最大迭代次數(shù);p為算法的開發(fā)精度,取6。

    MVO算法的優(yōu)化進程始于種群的隨機初始化,通過多個宇宙的并行迭代搜索,最終得到問題的近似最優(yōu)解。

    2.3 IMVO

    MVO算法主要依靠蟲洞進行穿越尋優(yōu),在最優(yōu)宇宙附近進行旅行,TDR是影響算法性能的重要參數(shù),但MVO中的TDR變化幅度較為單一,不能同時滿足精確與高效的要求。由MVO的定義可知,TDR值較大時可提高全局探索能力,TDR值較小時可增強局部深度開發(fā),因此,為實現(xiàn)在迭代前期保持較快的迭代趨勢進行全局探索,迭代后期保持較慢的迭代趨勢進行局部開發(fā)的要求,本文提出新的旅行距離率TDR。

    同時,為了更有效地找出所優(yōu)化參數(shù)的最大范圍,對全局變量更新機制進行改進,當l>L/2時,開始使用新的變量更新機制。

    改進的變量更新方法有兩個主要特點:一是只在當前最優(yōu)解的最大值和最小值附近搜索;二是新機制下,變量更新不再依賴宇宙邊界tbj和ubj。這使得在處理包含大量數(shù)據(jù)的預測問題時,算法優(yōu)化更快,更加突出對參數(shù)的搜索。

    IMVO算法運行流程如下:

    ①定 義各參數(shù),包括宇 宙維 度d,n,WEP,L,tbj和ubj等;

    ②初始化多元宇宙種群U;

    ③根據(jù)式(19)執(zhí)行輪盤賭機制;

    ④計算各宇宙的膨脹率,確定當前最優(yōu)宇宙;

    ⑤根 據(jù) 式(20),(22)更 新WEP和TDR;

    ⑥根據(jù)式(23)更新最優(yōu)宇宙,優(yōu)于當前最優(yōu)宇宙時將其替換,反之則保留當前最優(yōu)宇宙;

    ⑦判斷是否最大迭代次數(shù),是,終止循環(huán),輸出最優(yōu)宇宙和目標函數(shù)值;反之,則迭代次數(shù)加1,跳轉(zhuǎn)至③繼續(xù)循環(huán)。

    IMVO算法流程如圖1所示。

    圖1 IMVO算法流程圖Fig.1 Flow chart of IMVO algorithm

    2.4 基于LMD-IMVO-LSSVM的風速預測方法

    風速時間序列具有非線性、隨機性和不穩(wěn)定性,直接對風速時間序列進行預測難以獲得精準的預測結(jié)果。

    本文利用LMD對風速信號進行分解,采用IMVO優(yōu)化LSSVM模型的2個參數(shù),從而建立了LMD-IMVO-LSSVM的風速預測模型,具體方法如下:

    ①對數(shù)據(jù)整理分析并歸一化處理,得到原始風速序列;

    ②對原始風速序列進行LMD分解,得到從高頻到低頻的一系列PF分量和uk;

    ③對分解得到的每個分量,分別建立IMVOLSSVM模型,以每個子序列的平均絕對誤差作為目標函數(shù)值,采用改進多元宇宙算法優(yōu)化γ和σ這兩個參數(shù),并進行風速預測;

    ④疊加不同頻率下的風速預測序列,形成最終的風速預測值;

    ⑤誤差分析。

    LMD-IMVO-LSSVM的預測流程如圖2所示。

    圖2 基于LMD-IMVO-LSSVM的風速預測流程圖Fig.2 Flow chart of wind speed prediction based on LMD-IMVO-LSSVM

    3 算例分析

    3.1 算例說明

    本文原始數(shù)據(jù)選自新疆某風電場的實測數(shù)據(jù),采樣間隔為15 min,共采取了600個樣本點,采取的風速時間序列曲線如圖3所示。取前500個樣本點作為訓練集,后100個樣本點作為測試集。

    圖3 新疆某風電場風速實測曲線Fig.3 Wind speed measurement curve of a wind farm in Xinjiang

    根據(jù)《NB/T31046-2013風電功率預測系統(tǒng)功能規(guī)范》,本文選取均方根誤差(RMSE)和平均絕對誤差(MAE)作為預測結(jié)果的評價指標。

    式 中:N為 采 樣 點 數(shù);y(t)為t時 刻 的 預 測 值;y'(t)為t時刻的實際值。

    3.2 LMD分解結(jié)果

    對采集的600個風速樣本點進行LMD分解,分解得到4個PF分量和一個uk,分解曲線如圖4所示。

    圖4 LMD分解曲線Fig.4 LMD decomposition curve

    由圖4可知:uk主要反映了風速曲線的基頻擾動,其變化規(guī)律與圖3的變化規(guī)律基本一致;PF4主要反映uk上的局部擾動,體現(xiàn)了局部風速的變化規(guī)律;PF2及PF3分量反映出風速序列中包含的低頻、高頻均值為零的隨機風速信息,其幅值波動大小反映瞬時風速變化程度;PF1分量反映平均風速信息,其風速約為10 m/s。

    3.3 預測結(jié)果分析

    采用IMVO算法優(yōu)化預測模型中精度受到影響的2個參數(shù),設置 γ和 σ的尋優(yōu)范圍為(0.1,1 000),將分解后每個子序列訓練的MAE作為優(yōu)化目標函數(shù),IMVO算法優(yōu)化模型參數(shù)的值如表1所示。

    表1 IMVO的參數(shù)尋優(yōu)結(jié)果Table 1 The parameter optimization results of IMVO

    原始風速時間序列經(jīng)過LMD分解得到了4個PF分量和1個剩余分量,采用改進的MVO算法對LSSVM參數(shù)進行尋優(yōu),最終建立了一種LMD-IMVO-LSSVM的風速預測模型。為驗證所提模型的預測精度,本文還分別對LSSVM模型、LMD-LSSVM模型、LMD-PSO-LSSVM模型和LMD-MVO-LSSVM模型進行風速預測,預測結(jié)果如圖5所示。

    圖5 風速預測結(jié)果Fig.5 Wind speed prediction results

    由圖5可知:利用LSSVM直接進行預測時,對于風速波動不敏感,且誤差相對較大;LMD方法分解出多種頻率的風速信息,能增加預測的準確性,但未經(jīng)算法優(yōu)化的LMD-LSSVM只能大致符合風速序列的基頻波動,在面對短時風速波動時仍然存在較大的誤差;經(jīng)過LMD方法分解后,由PSO,MVO和IMVO 3種優(yōu)化算法對LSSVM核函數(shù)優(yōu)化后的LSSVM不僅能有效地預測出風速序列的基頻波動,其局部波動也能被準確地預測,能夠有效對原始的風速曲線進行擬合。

    對本文所建立的5種預測模型進行誤差分析,誤差指標如表2所示。

    表2 5種模型誤差評價指標Table 2 5 model error evaluation indexes

    由表2可知,IMVO優(yōu)化的LSSVM模型RMSE誤差為0.41,MAE誤差為0.19,在5種模型中誤差指標最小。該結(jié)果驗證了IMVO算法具有較好的尋優(yōu)能力,適用于徑向基核函數(shù)的尋優(yōu)過程。

    4 結(jié)論

    本文利用IMVO算法對LSSVM參數(shù)進行尋優(yōu),結(jié)合LMD數(shù)據(jù)分解方法,提出了一種基于LMD-IMVO-LSSVM的風速預測模型。通過仿真實驗對比分析,得出以下結(jié)論。

    ①針對風速時間序列具有隨機性的特點,利用LMD提取出的不同特征信息進行預測,消除了模態(tài)混疊現(xiàn)象,可有效提高預測精度。

    ②尋優(yōu)結(jié)果表明,IMVO算法的全局尋優(yōu)能力優(yōu)于MVO和PSO算法。

    ③利用IMVO算法對LSSVM參數(shù)進行尋優(yōu),通過對比分析,發(fā)現(xiàn)本文提出的LMD-IMVOLSSVM預測模型的預測精度更高,預測結(jié)果也更加貼合實際數(shù)據(jù)。

    猜你喜歡
    分量風速宇宙
    帽子的分量
    基于Kmeans-VMD-LSTM的短期風速預測
    基于最優(yōu)TS評分和頻率匹配的江蘇近海風速訂正
    海洋通報(2020年5期)2021-01-14 09:26:54
    宇宙第一群
    百家講壇(2020年4期)2020-08-03 02:01:25
    一物千斤
    智族GQ(2019年9期)2019-10-28 08:16:21
    論《哈姆雷特》中良心的分量
    分量
    這宇宙
    基于GARCH的短時風速預測方法
    考慮風速分布與日非平穩(wěn)性的風速數(shù)據(jù)預處理方法研究
    在线观看免费日韩欧美大片| 免费观看精品视频网站| 最新在线观看一区二区三区| 亚洲激情在线av| 91麻豆av在线| 午夜成年电影在线免费观看| 日本三级黄在线观看| 自拍欧美九色日韩亚洲蝌蚪91| 国内久久婷婷六月综合欲色啪| 亚洲国产欧美网| 午夜激情av网站| 免费在线观看影片大全网站| 国产视频一区二区在线看| 97人妻天天添夜夜摸| av中文乱码字幕在线| 久久国产乱子伦精品免费另类| 免费在线观看完整版高清| videosex国产| 久久中文字幕一级| 香蕉丝袜av| 嫁个100分男人电影在线观看| 老司机福利观看| 脱女人内裤的视频| 美国免费a级毛片| 欧美乱色亚洲激情| 一进一出抽搐gif免费好疼| 久久精品国产亚洲av香蕉五月| av有码第一页| 18禁美女被吸乳视频| 日韩av在线大香蕉| а√天堂www在线а√下载| 日本精品一区二区三区蜜桃| www.999成人在线观看| 日韩精品青青久久久久久| 嫩草影视91久久| 9热在线视频观看99| 一区二区三区高清视频在线| 欧美亚洲日本最大视频资源| 国产男靠女视频免费网站| 中文字幕人成人乱码亚洲影| 国产精品久久久久久精品电影 | 夜夜看夜夜爽夜夜摸| 精品一区二区三区视频在线观看免费| 亚洲专区中文字幕在线| 午夜激情av网站| 久久久久久人人人人人| 无遮挡黄片免费观看| 天堂√8在线中文| 欧美乱妇无乱码| 久久国产精品人妻蜜桃| 亚洲精品在线美女| 免费在线观看完整版高清| 一本久久中文字幕| 怎么达到女性高潮| 午夜精品国产一区二区电影| 久久久国产精品麻豆| 热99re8久久精品国产| 国产成人啪精品午夜网站| 久久影院123| 久久午夜综合久久蜜桃| 校园春色视频在线观看| 精品日产1卡2卡| 高清在线国产一区| 亚洲avbb在线观看| 欧美中文日本在线观看视频| 伦理电影免费视频| 精品熟女少妇八av免费久了| 亚洲精品国产色婷婷电影| 午夜福利18| 国产精品久久久人人做人人爽| av在线天堂中文字幕| 久久香蕉激情| 亚洲精品国产一区二区精华液| 成人永久免费在线观看视频| 日本免费一区二区三区高清不卡 | 老鸭窝网址在线观看| 1024视频免费在线观看| 性欧美人与动物交配| 久久国产亚洲av麻豆专区| 亚洲国产高清在线一区二区三 | 日韩精品青青久久久久久| 中文字幕人妻丝袜一区二区| 久久亚洲真实| 中出人妻视频一区二区| 亚洲第一电影网av| 看黄色毛片网站| 国产成人欧美| 精品国产美女av久久久久小说| 日本免费a在线| 精品欧美国产一区二区三| 亚洲第一电影网av| 9191精品国产免费久久| 又紧又爽又黄一区二区| 又紧又爽又黄一区二区| 国产亚洲av高清不卡| 欧美+亚洲+日韩+国产| 神马国产精品三级电影在线观看 | 两性夫妻黄色片| 国产亚洲精品久久久久5区| 黄色视频不卡| 亚洲激情在线av| 波多野结衣高清无吗| 999精品在线视频| 日韩一卡2卡3卡4卡2021年| 亚洲五月婷婷丁香| 99在线视频只有这里精品首页| 97超级碰碰碰精品色视频在线观看| 黄色丝袜av网址大全| 国产人伦9x9x在线观看| 91精品三级在线观看| 日韩欧美一区视频在线观看| 日韩欧美一区二区三区在线观看| 精品国产美女av久久久久小说| 亚洲,欧美精品.| 久久久久久大精品| 国产一区二区激情短视频| 成人免费观看视频高清| 一个人免费在线观看的高清视频| 亚洲精品美女久久久久99蜜臀| 国产蜜桃级精品一区二区三区| 亚洲国产高清在线一区二区三 | 亚洲人成电影观看| 国产成人av教育| 欧美大码av| 欧美绝顶高潮抽搐喷水| 亚洲全国av大片| 天堂√8在线中文| 国产麻豆69| 亚洲自偷自拍图片 自拍| av欧美777| a在线观看视频网站| 精品国内亚洲2022精品成人| 欧美日本亚洲视频在线播放| 亚洲五月天丁香| 国产在线精品亚洲第一网站| 国产精品久久久久久亚洲av鲁大| 免费人成视频x8x8入口观看| 高潮久久久久久久久久久不卡| 日韩免费av在线播放| 国内毛片毛片毛片毛片毛片| www.熟女人妻精品国产| 亚洲 国产 在线| 欧美日韩亚洲综合一区二区三区_| 欧美日韩亚洲国产一区二区在线观看| 国产午夜福利久久久久久| 久久香蕉国产精品| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲五月色婷婷综合| 十八禁网站免费在线| 美女 人体艺术 gogo| 亚洲va日本ⅴa欧美va伊人久久| 国产精品香港三级国产av潘金莲| 国产成人影院久久av| 极品人妻少妇av视频| 亚洲情色 制服丝袜| 99精品在免费线老司机午夜| 桃色一区二区三区在线观看| 老司机午夜福利在线观看视频| 久久热在线av| 曰老女人黄片| 久久久国产欧美日韩av| 欧美日韩亚洲综合一区二区三区_| 午夜精品在线福利| 成人18禁在线播放| 欧美日韩亚洲国产一区二区在线观看| 99国产精品99久久久久| 9热在线视频观看99| 亚洲精品一区av在线观看| 国产又色又爽无遮挡免费看| 欧美激情高清一区二区三区| 99香蕉大伊视频| 伦理电影免费视频| 免费在线观看视频国产中文字幕亚洲| 欧美国产精品va在线观看不卡| 欧美不卡视频在线免费观看 | 自线自在国产av| 亚洲第一av免费看| 黄色视频,在线免费观看| 青草久久国产| svipshipincom国产片| 熟妇人妻久久中文字幕3abv| 亚洲av成人不卡在线观看播放网| 宅男免费午夜| cao死你这个sao货| 欧美中文日本在线观看视频| 国产成人精品久久二区二区免费| 亚洲一区二区三区色噜噜| 久久久久久免费高清国产稀缺| 最好的美女福利视频网| 亚洲精品粉嫩美女一区| 久久九九热精品免费| 99久久综合精品五月天人人| 久久国产亚洲av麻豆专区| 一级黄色大片毛片| 丁香欧美五月| www.自偷自拍.com| 国产精品,欧美在线| 久久久久久国产a免费观看| 国产一区二区三区在线臀色熟女| 国产精品秋霞免费鲁丝片| 亚洲国产欧美网| 女人高潮潮喷娇喘18禁视频| 极品教师在线免费播放| 欧美黄色淫秽网站| 热re99久久国产66热| 精品人妻1区二区| 久久人妻熟女aⅴ| 自拍欧美九色日韩亚洲蝌蚪91| 国产精品免费视频内射| 丰满的人妻完整版| 禁无遮挡网站| 亚洲色图综合在线观看| 成人国产一区最新在线观看| 成人免费观看视频高清| 日韩一卡2卡3卡4卡2021年| 超碰成人久久| 久久欧美精品欧美久久欧美| 91精品三级在线观看| 日韩大码丰满熟妇| 久久久久国产一级毛片高清牌| 欧美精品啪啪一区二区三区| 老熟妇仑乱视频hdxx| 中文字幕人成人乱码亚洲影| 免费看美女性在线毛片视频| 18禁黄网站禁片午夜丰满| 成人亚洲精品av一区二区| 老司机深夜福利视频在线观看| 伊人久久大香线蕉亚洲五| 免费在线观看完整版高清| 日韩大码丰满熟妇| 久久伊人香网站| 亚洲欧美日韩另类电影网站| 一区二区日韩欧美中文字幕| 亚洲黑人精品在线| 老司机午夜福利在线观看视频| 欧美日本视频| 国产男靠女视频免费网站| 99在线人妻在线中文字幕| 久9热在线精品视频| 亚洲欧洲精品一区二区精品久久久| 国产精品免费视频内射| 在线免费观看的www视频| 国产精华一区二区三区| 高潮久久久久久久久久久不卡| av电影中文网址| 97碰自拍视频| 欧美激情极品国产一区二区三区| 一进一出抽搐动态| 国产麻豆成人av免费视频| 国产亚洲欧美98| 亚洲一区二区三区不卡视频| 亚洲美女黄片视频| 满18在线观看网站| 女人被狂操c到高潮| 亚洲va日本ⅴa欧美va伊人久久| 国产精品影院久久| 久久中文字幕一级| 两人在一起打扑克的视频| 搡老熟女国产l中国老女人| 精品电影一区二区在线| 变态另类丝袜制服| 国产av又大| 国产精品久久电影中文字幕| 欧美成人午夜精品| 婷婷六月久久综合丁香| 青草久久国产| 怎么达到女性高潮| 午夜精品国产一区二区电影| 国产精品一区二区三区四区久久| 99久久无色码亚洲精品果冻| 人妻久久中文字幕网| 日韩在线高清观看一区二区三区 | 日韩欧美国产一区二区入口| 国产精品日韩av在线免费观看| 一本一本综合久久| 中文在线观看免费www的网站| 不卡视频在线观看欧美| 97人妻精品一区二区三区麻豆| 欧美性猛交╳xxx乱大交人| 性色avwww在线观看| 最近最新中文字幕大全电影3| 日本成人三级电影网站| 亚洲av.av天堂| 日韩亚洲欧美综合| 波多野结衣巨乳人妻| 亚洲精品亚洲一区二区| 国产一区二区在线av高清观看| bbb黄色大片| 在线播放无遮挡| 91av网一区二区| 最近最新免费中文字幕在线| 九九爱精品视频在线观看| 成人特级黄色片久久久久久久| 国产欧美日韩精品亚洲av| 熟女人妻精品中文字幕| 又粗又爽又猛毛片免费看| 男女边吃奶边做爰视频| 国产69精品久久久久777片| 老司机深夜福利视频在线观看| 欧美bdsm另类| 18禁裸乳无遮挡免费网站照片| 久久久久久久久久久丰满 | 男人舔奶头视频| 深夜精品福利| 日本 欧美在线| 99热这里只有是精品50| 日本成人三级电影网站| 国产亚洲91精品色在线| 韩国av在线不卡| 国产成人一区二区在线| 亚洲精品日韩av片在线观看| 男女视频在线观看网站免费| 亚洲美女搞黄在线观看 | 欧美日本视频| 午夜免费成人在线视频| a级毛片免费高清观看在线播放| 欧美xxxx性猛交bbbb| 日日摸夜夜添夜夜添小说| 美女大奶头视频| 亚洲五月天丁香| 联通29元200g的流量卡| 午夜福利在线在线| 99国产精品一区二区蜜桃av| 精品人妻一区二区三区麻豆 | 中国美白少妇内射xxxbb| 国产不卡一卡二| 男人的好看免费观看在线视频| 免费一级毛片在线播放高清视频| 国产 一区精品| 亚洲av免费高清在线观看| 国产伦在线观看视频一区| 久久婷婷人人爽人人干人人爱| 在线免费十八禁| 国产精品乱码一区二三区的特点| 成人国产麻豆网| 国产精品爽爽va在线观看网站| 性欧美人与动物交配| 波野结衣二区三区在线| 国产精品久久久久久精品电影| 真人一进一出gif抽搐免费| 成人精品一区二区免费| 精品久久久久久,| 国产精品久久久久久av不卡| 免费人成在线观看视频色| 高清日韩中文字幕在线| 国产大屁股一区二区在线视频| 悠悠久久av| 久久亚洲真实| 国产精品不卡视频一区二区| 久久精品国产清高在天天线| 国产真实乱freesex| 中文字幕av在线有码专区| 国产免费男女视频| 国产精品国产三级国产av玫瑰| 午夜精品在线福利| 日日摸夜夜添夜夜添小说| 三级男女做爰猛烈吃奶摸视频| 日本-黄色视频高清免费观看| 国产欧美日韩精品亚洲av| 日本黄色片子视频| 国产精品久久久久久久电影| 琪琪午夜伦伦电影理论片6080| 黄色欧美视频在线观看| 精品久久久久久久久av| 国产精品野战在线观看| 国产精品人妻久久久影院| 中出人妻视频一区二区| 亚洲一区二区三区色噜噜| 成人午夜高清在线视频| 国产av一区在线观看免费| 夜夜看夜夜爽夜夜摸| 久久精品综合一区二区三区| 婷婷丁香在线五月| 一区二区三区激情视频| 我要看日韩黄色一级片| 99久久成人亚洲精品观看| 国产av在哪里看| 18禁裸乳无遮挡免费网站照片| 欧美人与善性xxx| 国产蜜桃级精品一区二区三区| 亚洲aⅴ乱码一区二区在线播放| 色吧在线观看| x7x7x7水蜜桃| 色综合色国产| 亚洲熟妇熟女久久| 很黄的视频免费| 免费无遮挡裸体视频| a级毛片免费高清观看在线播放| 亚洲人成网站在线播| 全区人妻精品视频| 免费观看人在逋| 国产欧美日韩精品一区二区| 国产不卡一卡二| 亚洲av免费在线观看| 色播亚洲综合网| 九九爱精品视频在线观看| 国产男靠女视频免费网站| 麻豆成人午夜福利视频| 天天一区二区日本电影三级| 丰满的人妻完整版| 国产欧美日韩一区二区精品| 日韩一区二区视频免费看| 亚洲国产精品sss在线观看| 91在线精品国自产拍蜜月| 十八禁国产超污无遮挡网站| 人人妻人人澡欧美一区二区| 丝袜美腿在线中文| 91在线观看av| 亚洲性夜色夜夜综合| 中文资源天堂在线| av视频在线观看入口| 老熟妇乱子伦视频在线观看| 一区二区三区免费毛片| 动漫黄色视频在线观看| 最后的刺客免费高清国语| 亚洲欧美日韩东京热| 琪琪午夜伦伦电影理论片6080| 久久国产精品人妻蜜桃| 久久精品国产自在天天线| 97超级碰碰碰精品色视频在线观看| 人人妻人人澡欧美一区二区| 极品教师在线视频| 久久久久久伊人网av| 观看免费一级毛片| 成年女人永久免费观看视频| 国产精品不卡视频一区二区| 校园人妻丝袜中文字幕| 网址你懂的国产日韩在线| 俺也久久电影网| 麻豆久久精品国产亚洲av| 国产美女午夜福利| 亚洲欧美日韩无卡精品| 国内久久婷婷六月综合欲色啪| 色吧在线观看| 午夜视频国产福利| 日本爱情动作片www.在线观看 | 在线国产一区二区在线| 久久精品综合一区二区三区| 日本一本二区三区精品| 亚洲av美国av| 一本精品99久久精品77| 久久国产乱子免费精品| 非洲黑人性xxxx精品又粗又长| av在线蜜桃| 国产精品美女特级片免费视频播放器| 成人毛片a级毛片在线播放| 国产成人影院久久av| 噜噜噜噜噜久久久久久91| 91精品国产九色| 精品人妻1区二区| 午夜精品久久久久久毛片777| 在线观看免费视频日本深夜| 天美传媒精品一区二区| 国产亚洲精品综合一区在线观看| 狂野欧美激情性xxxx在线观看| 亚洲,欧美,日韩| 69av精品久久久久久| 在线观看免费视频日本深夜| 乱系列少妇在线播放| 日本与韩国留学比较| 精品99又大又爽又粗少妇毛片 | 国产精品电影一区二区三区| 美女xxoo啪啪120秒动态图| 久久精品国产亚洲av涩爱 | 在线观看美女被高潮喷水网站| 黄色一级大片看看| 给我免费播放毛片高清在线观看| 亚洲精品亚洲一区二区| 欧美极品一区二区三区四区| 88av欧美| 亚洲午夜理论影院| 亚洲黑人精品在线| 亚洲成人久久性| 国产69精品久久久久777片| 国产精品av视频在线免费观看| 国产高清三级在线| 最近视频中文字幕2019在线8| 国产毛片a区久久久久| 午夜福利视频1000在线观看| 亚洲av中文av极速乱 | 丰满人妻一区二区三区视频av| 欧美最黄视频在线播放免费| 免费大片18禁| 变态另类成人亚洲欧美熟女| 午夜爱爱视频在线播放| 亚洲精品日韩av片在线观看| av在线老鸭窝| 18禁在线播放成人免费| 在线观看免费视频日本深夜| 少妇人妻精品综合一区二区 | 不卡视频在线观看欧美| 亚洲欧美清纯卡通| 亚洲精品在线观看二区| 亚洲图色成人| 九色成人免费人妻av| a级一级毛片免费在线观看| 日日干狠狠操夜夜爽| 熟女电影av网| 欧美色欧美亚洲另类二区| 一a级毛片在线观看| 久久久久久久亚洲中文字幕| 深爱激情五月婷婷| av福利片在线观看| 亚洲人与动物交配视频| 色噜噜av男人的天堂激情| 精品久久久噜噜| 免费看美女性在线毛片视频| 熟女电影av网| 夜夜夜夜夜久久久久| 婷婷六月久久综合丁香| 精品久久久久久久人妻蜜臀av| 嫩草影院新地址| 一区二区三区激情视频| 色视频www国产| 久久久成人免费电影| 99久久精品一区二区三区| 最近中文字幕高清免费大全6 | 丝袜美腿在线中文| 国产高清视频在线播放一区| 亚洲av不卡在线观看| 亚洲精品色激情综合| 欧美日本视频| 亚洲va在线va天堂va国产| 亚洲精品在线观看二区| av黄色大香蕉| 中文字幕熟女人妻在线| 国产老妇女一区| x7x7x7水蜜桃| 久久久久久久久大av| 赤兔流量卡办理| 国产精品久久久久久av不卡| 成人国产一区最新在线观看| 久久精品国产亚洲av天美| 女生性感内裤真人,穿戴方法视频| 欧美日韩瑟瑟在线播放| 欧美色视频一区免费| 日韩欧美精品v在线| 一本精品99久久精品77| 18禁在线播放成人免费| 欧美三级亚洲精品| 无人区码免费观看不卡| 国产精品久久久久久精品电影| 人人妻人人看人人澡| 夜夜爽天天搞| 此物有八面人人有两片| 直男gayav资源| 成人特级av手机在线观看| 国产精品1区2区在线观看.| 一进一出抽搐动态| 草草在线视频免费看| 成人精品一区二区免费| 欧美成人一区二区免费高清观看| 99国产极品粉嫩在线观看| 一本精品99久久精品77| 免费大片18禁| 身体一侧抽搐| 一卡2卡三卡四卡精品乱码亚洲| 国产精品,欧美在线| 国产伦精品一区二区三区四那| or卡值多少钱| 日韩国内少妇激情av| 亚洲精品影视一区二区三区av| 成人特级黄色片久久久久久久| 麻豆成人午夜福利视频| 欧美+亚洲+日韩+国产| 99热只有精品国产| 国内精品久久久久久久电影| 国产三级中文精品| 极品教师在线视频| 久久久成人免费电影| 精品国内亚洲2022精品成人| 狂野欧美激情性xxxx在线观看| 成人高潮视频无遮挡免费网站| 99久久无色码亚洲精品果冻| 99视频精品全部免费 在线| 亚洲四区av| 午夜福利高清视频| 97超级碰碰碰精品色视频在线观看| 国产午夜精品久久久久久一区二区三区 | 看免费成人av毛片| av中文乱码字幕在线| 干丝袜人妻中文字幕| 18禁黄网站禁片免费观看直播| 亚洲第一电影网av| 亚洲精品色激情综合| netflix在线观看网站| 国内毛片毛片毛片毛片毛片| 少妇熟女aⅴ在线视频| 九九热线精品视视频播放| 少妇的逼水好多| 噜噜噜噜噜久久久久久91| 少妇熟女aⅴ在线视频| 亚洲精华国产精华精| 日韩中文字幕欧美一区二区| 精品一区二区三区视频在线| 午夜福利在线在线| 99久国产av精品| 日日撸夜夜添| 啦啦啦观看免费观看视频高清| 少妇的逼好多水| 日韩在线高清观看一区二区三区 | 一边摸一边抽搐一进一小说| 精品一区二区三区人妻视频| 一进一出抽搐动态| 亚洲精品日韩av片在线观看| 国产在视频线在精品| 亚洲无线在线观看| 熟女电影av网| 色av中文字幕| 成人特级av手机在线观看| 欧美三级亚洲精品| 特大巨黑吊av在线直播| 精品一区二区免费观看| 啦啦啦韩国在线观看视频| 两个人的视频大全免费|