• <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 ?

    基于聚類和長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)的光熱電站并網(wǎng)電力預(yù)測(cè)

    2021-10-28 07:14:36余佳磊李連坪師進(jìn)文李明濤
    熱力發(fā)電 2021年9期
    關(guān)鍵詞:輻照度發(fā)電量氣象

    余 洋,陳 庚,余佳磊,李連坪,師進(jìn)文,李明濤

    (1.中國(guó)平煤神馬集團(tuán)尼龍科技有限公司,河南 平頂山 467000;2.西安交通大學(xué)動(dòng)力工程多相流國(guó)家重點(diǎn)實(shí)驗(yàn)室國(guó)際可再生能源研究中心,陜西 西安 710049)

    太陽能光熱發(fā)電技術(shù)清潔高效,易于推廣,市場(chǎng)潛力巨大[1]。據(jù)中國(guó)氣象科學(xué)研究院數(shù)據(jù),中國(guó)不同地區(qū)每年總太陽能輻射量最低為3 340 MJ/m2,最高為5 852 MJ/m2。豐富的資源保障了中國(guó)進(jìn)行太陽能開發(fā)利用的廣闊前景。然而,光熱發(fā)電受天氣因素影響具有明顯的間歇性和波動(dòng)性,這種特性在發(fā)電系統(tǒng)并網(wǎng)后,會(huì)對(duì)電網(wǎng)的穩(wěn)定性帶來沖擊。對(duì)光熱電站的并網(wǎng)電量(簡(jiǎn)稱發(fā)電量)進(jìn)行預(yù)測(cè),有助于電網(wǎng)提前制定調(diào)度計(jì)劃,有效減輕光熱發(fā)電并網(wǎng)造成的不利影響[2-4]。

    在太陽能電站發(fā)電量預(yù)測(cè)方面,當(dāng)前國(guó)內(nèi)外研究多聚焦于氣象參數(shù)的變化預(yù)測(cè)及發(fā)電量與氣象參數(shù)的聯(lián)系[5-7]。Voyant 等人[8]將太陽能預(yù)測(cè)方法分為傳統(tǒng)的物理模型預(yù)測(cè)方法和機(jī)器學(xué)習(xí)預(yù)測(cè)方法。其中物理模型預(yù)測(cè)方法包括間接預(yù)測(cè)天氣的外推法[9]以及利用數(shù)值天氣預(yù)報(bào)(NWP)[10]進(jìn)行分析的數(shù)值天氣預(yù)報(bào)模型法;機(jī)器學(xué)習(xí)預(yù)測(cè)方法主要有人工神經(jīng)網(wǎng)絡(luò)(ANN)、差分自回歸移動(dòng)平均模型(ARIMA)等[1]時(shí)序數(shù)據(jù)連續(xù)預(yù)測(cè)方法。外推法主要是根據(jù)歷史數(shù)據(jù)尋找數(shù)據(jù)間的聯(lián)系與規(guī)律,包含太陽輻照度的預(yù)測(cè)、天氣的預(yù)測(cè)等。Yang 等人[11]利用回歸模型對(duì)光伏發(fā)電數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析,獲得未來1 h 的溫度、降水概率和太陽輻照度,最后再運(yùn)用模糊推理方法對(duì)發(fā)電量進(jìn)行精確預(yù)測(cè)。Cao 等人[12]針對(duì)太陽總輻照度的影響因子,利用相關(guān)系數(shù)法對(duì)太陽輻照度影響進(jìn)行排序得出主要影響因子,再利用折現(xiàn)系數(shù)法修正偏差,改進(jìn)輻照度的預(yù)測(cè)方法。數(shù)值天氣模型法是根據(jù)數(shù)值天氣預(yù)報(bào)的情況,將其直接作為輸入?yún)?shù)再結(jié)合統(tǒng)計(jì)學(xué)對(duì)發(fā)電量進(jìn)行建模和預(yù)測(cè)[13-14]。這些方法都是基于太陽能電站的特性以及不同的天氣預(yù)報(bào)變量如水平輻照度、相對(duì)濕度、云量[15]等,當(dāng)天氣穩(wěn)定時(shí),如晴天,其預(yù)測(cè)性能較高[16]。德國(guó)的Lorenz 等人[17]提出利用天氣預(yù)報(bào)的太陽輻照度預(yù)報(bào)值提前3 天對(duì)歐洲國(guó)家的光伏電站進(jìn)行發(fā)電量預(yù)測(cè),其平均絕對(duì)誤差百分比在40%以上。

    機(jī)器學(xué)習(xí)預(yù)測(cè)方法主要運(yùn)用時(shí)間序列模型以及早期的神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)研究。Kasburg 等人[18]使用循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)模型,將其加入太陽能發(fā)電的預(yù)測(cè)中,改變了傳統(tǒng)的使用有源太陽能跟蹤器提高發(fā)電量的方式,該方法具有較好的非線性處理能力,能更好的預(yù)測(cè)太陽能發(fā)電。Ashraf 等人[19]利用ANN 方法對(duì)Lakshadweep 群島上的光伏并網(wǎng)系統(tǒng)進(jìn)行預(yù)測(cè),利用ANN 將太陽能光伏發(fā)電輸出與太陽輻射、組件溫度、清潔度指數(shù)等相關(guān)參數(shù)進(jìn)行插值,得出3 個(gè)相關(guān)模型并加以對(duì)比,但預(yù)測(cè)準(zhǔn)確度缺乏實(shí)際驗(yàn)證,且輸入?yún)?shù)的相關(guān)性缺乏分析。此外,Diagne 等人[20]對(duì)混合模型展開了深入研究,將傳統(tǒng)的時(shí)間序列模型(如ARIMA 和自回歸AR 模型)與氣象數(shù)據(jù)結(jié)合,得出一個(gè)更加復(fù)雜但是更加精確的模型。但是該模型要求輸入數(shù)據(jù)的時(shí)間和空間的分辨率極高,并且對(duì)計(jì)算機(jī)的計(jì)算能力要求極高,限制了該方法的推廣應(yīng)用。

    綜上所述,當(dāng)前太陽能電站發(fā)電量預(yù)測(cè)從傳統(tǒng)的物理模型方法發(fā)展到現(xiàn)在的機(jī)器學(xué)習(xí)預(yù)測(cè)方法,其預(yù)測(cè)精度在不斷提升。但在當(dāng)前的研究中,通常對(duì)氣象因素的相關(guān)性分析比較寬泛,很多工作僅將太陽輻照度、溫度作為輸入量。此外,大量研究集中于不同預(yù)測(cè)模型的嘗試,而忽略了對(duì)數(shù)據(jù)內(nèi)在邏輯的挖掘,未能將模型與領(lǐng)域知識(shí)深度耦合,限制了其預(yù)測(cè)精度。

    對(duì)此,本文以美國(guó)加利福尼亞州(簡(jiǎn)稱加州)光熱發(fā)電系統(tǒng)并網(wǎng)電力預(yù)測(cè)問題為例,首先研究氣象參數(shù)與發(fā)電量之間的相關(guān)性,進(jìn)而利用近鄰傳播(AP)聚類算法對(duì)比不同發(fā)電模式下氣象參數(shù)對(duì)發(fā)電影響差異,挖掘數(shù)據(jù)間的深層聯(lián)系。然后,基于此建立長(zhǎng)短期記憶(LSTM)神經(jīng)網(wǎng)絡(luò)基準(zhǔn)模型對(duì)光熱系統(tǒng)發(fā)電量進(jìn)行預(yù)測(cè),并根據(jù)聚類結(jié)果針對(duì)性地改進(jìn)預(yù)測(cè)模型,以此提高特殊天氣條件下的預(yù)測(cè)精度。

    1 數(shù)據(jù)及處理

    1.1 數(shù)據(jù)描述

    本文選取美國(guó)加州境內(nèi)光熱電站并網(wǎng)電力總量數(shù)據(jù)作為研究對(duì)象。該數(shù)據(jù)為加州ISO 項(xiàng)目[21]公開數(shù)據(jù),數(shù)據(jù)時(shí)間分辨率為1 h,單位為MW·h。通過美國(guó)國(guó)家可再生能源實(shí)驗(yàn)室(NREL)公開的光熱電站數(shù)據(jù)獲得加州的全部14 座光熱電站信息。對(duì)其運(yùn)行時(shí)間進(jìn)行梳理,發(fā)現(xiàn)從2014年12月1日至2017年1月31日期間既沒有新建電站投入運(yùn)營(yíng),也沒有已運(yùn)營(yíng)電站停止發(fā)電,系統(tǒng)運(yùn)行穩(wěn)定。因此將該時(shí)間段內(nèi)的發(fā)電數(shù)據(jù)作為本文研究的數(shù)據(jù)樣本。該時(shí)間段內(nèi)共有13 座電站處于發(fā)電狀態(tài),其中包含solar electric generating station(SEGS)項(xiàng)目的全部9 座電站,電站數(shù)據(jù)信息見表1[22]。

    從表1 電站建設(shè)位置來看,SEGS 項(xiàng)目的9 座電站地處2 個(gè)不同區(qū)域,因此可將其總體看成2 個(gè)發(fā)電位置,加上其余4 座電站總計(jì)可分為6 個(gè)不同的發(fā)電位置。圖1 為美國(guó)加州光熱電站地理位置。

    圖1 美國(guó)加州光熱電站地理位置Fig.1 Location of the CSP plants in California,USA

    表1 電站數(shù)據(jù)信息Tab.1 Data information of the power plants

    根據(jù)上述6 個(gè)位置,從NOAA[23]獲取附近氣象站在該時(shí)段的氣象數(shù)據(jù),包括8 大氣象參數(shù):溫度(℃)、降水量(mm/h)、降雪量(mm/h)、積雪量(kg/m2)、空氣密度(kg/m3)、地面太陽輻照度(W/m2)、大氣頂部太陽輻照度(W/m2)以及云量(pu)。天氣數(shù)據(jù)時(shí)間分辨率為1 h,與發(fā)電數(shù)據(jù)完全對(duì)應(yīng)。

    1.2 數(shù)據(jù)預(yù)處理

    數(shù)據(jù)清洗過程中發(fā)現(xiàn)該電力數(shù)據(jù)集缺少2015年5月8日和2016年3月13日數(shù)據(jù),觀察上述2 天前后的發(fā)電數(shù)據(jù),均無異常。由于當(dāng)前可用數(shù)據(jù)量較大,因此忽略上述2 天的缺失數(shù)據(jù)。同時(shí),刪除上述6 個(gè)位置這2 天的所有天氣數(shù)據(jù)。

    針對(duì)聚類分析,本文將電力數(shù)據(jù)分割為24 h 的日發(fā)電樣本,得到共計(jì)791 個(gè)樣本,并將其轉(zhuǎn)換為小時(shí)發(fā)電量的日百分比,以此觀察發(fā)電模式的日內(nèi)與日間變化。針對(duì)發(fā)電量預(yù)測(cè),本文以給定回溯時(shí)間步長(zhǎng)的歷史氣象參數(shù)和發(fā)電量作為特征構(gòu)建模型輸入,然后對(duì)各輸入特征數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化,即轉(zhuǎn)換為標(biāo)準(zhǔn)正態(tài)分布,以平衡特征間的數(shù)值差異,提高模型訓(xùn)練的速度與穩(wěn)定性。

    2 方法

    2.1 近鄰傳播聚類算法

    AP 聚類算法通過數(shù)據(jù)點(diǎn)間的信息傳遞,按照給定規(guī)則經(jīng)過多次迭代來確定適合成為聚類中心的數(shù)據(jù)點(diǎn),進(jìn)而完成聚類[24]。與其他聚類方法相比,AP 聚類算法的運(yùn)算效率較高且結(jié)果穩(wěn)定,聚類質(zhì)量高于K-means 聚類算法,且無需事先確定需要聚類的數(shù)量[25]。

    AP 算法的核心為更新2 個(gè)矩陣:吸引度矩陣R,r(i,k)代表從i到k的消息,用來判定點(diǎn)k是否適合作為數(shù)據(jù)點(diǎn)i的聚類中心;歸屬度矩陣A,a(i,k)代表從k到i的消息,用來判定數(shù)據(jù)點(diǎn)i選擇數(shù)據(jù)點(diǎn)k作為其聚類中心是否合適。最終,對(duì)點(diǎn)i,滿足的點(diǎn)k即為其類中心。此外,算法還用到相似度矩陣S,s(i,k)代表點(diǎn)i和點(diǎn)k的相似度,一般采用2 點(diǎn)之間歐氏距離的相反數(shù),而s(i,i)稱為參考度,一般將其設(shè)為S的中位數(shù)。

    算法具體實(shí)施步驟如下。

    1)將吸引度矩陣R和歸屬度矩陣A都初始化為0,計(jì)算相似度矩陣S。

    2)按照式(1)迭代吸引度矩陣:

    3)按照式(2)迭代歸屬度矩陣:

    4)引入阻尼系數(shù)λ,以增強(qiáng)計(jì)算的數(shù)值穩(wěn)定性:

    重復(fù)迭代上述步驟2)、3)、4),直到類中心穩(wěn)定或者達(dá)到設(shè)定的迭代次數(shù)。

    根據(jù)本文數(shù)據(jù)情況,選取算法的參考度為歐氏距離相似度S的中位數(shù),阻尼系數(shù)為0.5,最大迭代步數(shù)為200,且當(dāng)類中心保持15 次迭代不發(fā)生改變時(shí)認(rèn)為算法收斂。

    2.2 長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)

    RNN 包括輸入層、隱藏層及輸出層,隱藏層內(nèi)的節(jié)點(diǎn)相互連接,其當(dāng)前時(shí)間的輸入包含來自輸入層的輸入以及上一時(shí)刻隱藏層的輸出,因此RNN 能對(duì)歷史信息進(jìn)行有效記憶[26]。圖2 為典型RNN 結(jié)構(gòu)。

    圖2 RNN 結(jié)構(gòu)Fig.2 The RNN structure

    RNN 在遇到時(shí)間序列較長(zhǎng)的數(shù)據(jù)時(shí),由于隱藏層神經(jīng)單元之間連接緊密,會(huì)出現(xiàn)梯度消失或爆炸的情況,因此不適于較長(zhǎng)時(shí)間序列的數(shù)據(jù)處理[27]。對(duì)此,LSTM 神經(jīng)網(wǎng)絡(luò)在RNN 的基礎(chǔ)上加入新的神經(jīng)單元,解決了梯度爆炸的問題[28]。LSTM 神經(jīng)網(wǎng)絡(luò)包括記憶單元、輸入門、輸出門以及遺忘門,其神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。

    圖3 LSTM 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.3 The LSTM neural network structure

    LSTM 神經(jīng)網(wǎng)絡(luò)的前向與反向傳播計(jì)算已經(jīng)非常成熟,在此不再贅述。根據(jù)本文數(shù)據(jù)情況,選取輸入特征的時(shí)間步長(zhǎng)為1 h,并根據(jù)網(wǎng)格搜索優(yōu)化神經(jīng)網(wǎng)絡(luò)超參數(shù)。

    3 實(shí)驗(yàn)與結(jié)果

    3.1 氣象參數(shù)與光熱發(fā)電相關(guān)性分析

    氣象參數(shù)對(duì)光熱發(fā)電具有決定性的影響。在以往的太陽能電站發(fā)電量預(yù)測(cè)研究中,往往只針對(duì)少數(shù)參數(shù)如環(huán)境溫度、太陽輻照度進(jìn)行分析,對(duì)其余天氣因素的影響分析較少[29-30]。這在很大程度上影響了光熱電站發(fā)電量預(yù)測(cè)的準(zhǔn)確度,尤其在連續(xù)陰雨、降雪以及極端天氣的情況下。

    為了研究1.1 小節(jié)6 個(gè)地理位置的氣象參數(shù)對(duì)光熱電站發(fā)電量的影響,本文計(jì)算各氣象站氣象參數(shù)與發(fā)電量、小時(shí)發(fā)電量日百分比之間的皮爾森相關(guān)系數(shù),根據(jù)計(jì)算結(jié)果篩選有效特征。6 個(gè)氣象站氣象參數(shù)與發(fā)電量(散點(diǎn))和小時(shí)發(fā)電量日百分比(柱狀)的相關(guān)系數(shù)如圖4 圖所示。

    圖4 6 個(gè)氣象站氣象參數(shù)與發(fā)電量(散點(diǎn))和小時(shí)發(fā)電量日百分比(柱狀)的相關(guān)系數(shù)Fig.4 Correlation coefficients between the meteorological parameters of 6 meteorological stations and the power generation(scatter diagram),the daily percentage of hourly power generation(columnar diagram)

    由圖4 可見,6 個(gè)氣象站的氣象參數(shù)與發(fā)電量間的相關(guān)性強(qiáng)于其和小時(shí)發(fā)電量日百分比之間的相關(guān)性,但各氣象參數(shù)的相關(guān)性強(qiáng)弱排序基本一致:地面太陽輻照度>大氣頂部太陽輻照度>溫度>空氣密度>云量>降水量≈積雪量≈降雪量。

    3.2 聚類分析

    為了更好地挖掘光熱發(fā)電的行為特征及其受氣象參數(shù)的影響差異,本文運(yùn)用AP 聚類算法對(duì)小時(shí)發(fā)電量日百分比數(shù)據(jù)樣本進(jìn)行聚類,得到85 個(gè)類別。聚類結(jié)果的評(píng)價(jià)指標(biāo)中輪廓系數(shù)(SC)、Calinski-Harabasz 指數(shù)(CH)和戴維森堡丁指數(shù)(DB)分別為146.06、0.76 和0.26,表明聚類質(zhì)量高。進(jìn)一步,根據(jù)類樣本的數(shù)量將85 個(gè)類分為代表類A 類、少數(shù)類B 類以及異常類C 類。其中:代表類A 類滿足類內(nèi)樣本數(shù)量大于總樣本數(shù)的1%,即類內(nèi)樣本數(shù)量≥8;少數(shù)類B 類的類內(nèi)樣本數(shù)量在2~7 之間;異常類C 類的類內(nèi)樣本數(shù)量?jī)H為1。圖5 為A、B、C 類日期分布。

    圖5 A、B、C 類日期分布Fig.5 The type A,B and C date distribution map

    通過對(duì)比氣象參數(shù)與所有樣本和A、B、C 類樣本相關(guān)性變化(圖6)。由圖6 可見:A 類進(jìn)一步強(qiáng)化了發(fā)電模式與強(qiáng)相關(guān)氣象參數(shù)(地面太陽輻照度、大氣頂部太陽輻照度、溫度和空氣密度)的相關(guān)性,結(jié)合其樣本占比83.8%(24 類),可認(rèn)為A類代表了主流發(fā)電模式;B 類則明顯弱化了發(fā)電模式與氣象參數(shù)的相關(guān)性,其樣本占比11.6%(25 類),說明該部分?jǐn)?shù)據(jù)更多地體現(xiàn)了氣象條件以外的其他系統(tǒng)因素,如人為操作對(duì)發(fā)電情況的影響;而C類不僅數(shù)量最少,樣本占比4.6%(36 類),也進(jìn)一步減弱了氣象條件對(duì)發(fā)電的影響,可能代表了發(fā)電系統(tǒng)所經(jīng)歷的各種意外狀況。

    圖6 氣象參數(shù)與A、B 和C 類樣本相關(guān)系數(shù)Fig.6 Correlation coefficient diagram of meteorological parameters and type A,B and C samples

    根據(jù)聚類結(jié)果,本文選取A 類中日發(fā)電量為0的發(fā)電模式(A0)和典型晴天發(fā)電模式(A1)為例來說明不同類別發(fā)電模式下氣象參數(shù)對(duì)發(fā)電的影響差異。圖7 為影響0 發(fā)電量模式(A0)的主要?dú)庀髤?shù)箱線圖,圖中紅色曲線為平均值。由圖7 可以看出,在A0 中,云量、降水量、降雪量和積雪量4 個(gè)與總體樣本相關(guān)性最低的氣象參數(shù)值明顯比其他發(fā)電模式下大。這與物理常識(shí)相符,但是在以往大樣本數(shù)據(jù)的分析中并沒有得到體現(xiàn),這直接影響后續(xù)預(yù)測(cè)模型對(duì)氣象參數(shù)特征的選擇,進(jìn)而影響預(yù)測(cè)精度。

    圖7 影響0 發(fā)電量模式(A0)的主要?dú)庀髤?shù)箱線圖Fig.7 Box plot of main meteorological parameters affecting 0 generation model(A0)

    圖8 和圖9 分別為典型晴天發(fā)電模式(A1)的樣本箱線圖以及與氣象參數(shù)的相關(guān)系數(shù)對(duì)比。由圖8和圖9 可見,典型晴天條件下,發(fā)電模式與地面太陽輻照度、大氣頂部太陽輻照度、溫度和空氣密度這4 大氣象參數(shù)間的相關(guān)性得到了進(jìn)一步強(qiáng)化。因此,眾多研究的預(yù)測(cè)模型在晴天條件下均表現(xiàn)較好[26]。2 種發(fā)電模式下氣象參數(shù)對(duì)發(fā)電的影響差異反映了面對(duì)不同發(fā)電模式或者氣象模式時(shí),靈活選取氣象參數(shù)特征,構(gòu)建相應(yīng)預(yù)測(cè)模型的重要性。

    圖8 典型晴天發(fā)電模式(A1)的樣本箱線圖Fig.8 Sample box plot of typical sunny day power generation model(A1)

    圖9 典型晴天發(fā)電模式(A1)樣本與氣象參數(shù)的相關(guān)系數(shù)對(duì)比Fig.9 Correlation coefficients of the samples of typical sunny day power generation model(A1)and meteorological parameters

    3.3 LSTM 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型

    根據(jù)上文相關(guān)性分析與聚類分析的結(jié)果,本節(jié)構(gòu)建LSTM 神經(jīng)網(wǎng)絡(luò)基準(zhǔn)模型和LSTM 神經(jīng)網(wǎng)絡(luò)增量特征模型。在基準(zhǔn)模型中,以地面太陽輻照度、大氣頂部太陽輻照度、溫度、空氣密度和云量這5 大與發(fā)電量相關(guān)性較高的氣象參數(shù),外加歷史發(fā)電量構(gòu)建LSTM神經(jīng)網(wǎng)絡(luò)時(shí)序樣本作為模型輸入特征;而增量特征模型除基準(zhǔn)模型的輸入特征外,加入降水量、降雪量和積雪量這3 個(gè)弱相關(guān)性氣象參數(shù)作為模型輸入特征進(jìn)行訓(xùn)練。

    本文以2014年12月1日至2016年12月31日的發(fā)電數(shù)據(jù)與氣象數(shù)據(jù)作為模型的訓(xùn)練集,其中訓(xùn)練集數(shù)據(jù)的后10%作為驗(yàn)證集,以2017年1月1日至1月31日的數(shù)據(jù)作為測(cè)試集。本文選擇2017年1月的發(fā)電數(shù)據(jù)作為測(cè)試集的原因是該月同時(shí)含有聚類結(jié)果中的代表類A 類(23 天)、少數(shù)類B 類(5 天)和異常類C 類(3 天),其中0 發(fā)電量日期為9 天,具備發(fā)電模式的典型性和代表性,可充分檢驗(yàn)預(yù)測(cè)模型效果。

    輸入特征的時(shí)間步長(zhǎng)為1 h,即根據(jù)前1 h 的發(fā)電量和氣象參數(shù)預(yù)測(cè)下1 h 的發(fā)電量。采用tanh作為模型的激活函數(shù),Adam 為模型訓(xùn)練的優(yōu)化器,均方差作為損失函數(shù),訓(xùn)練樣本的批量更新大小為1 898(訓(xùn)練集數(shù)據(jù)量的10%),最終輸出為發(fā)電量的預(yù)測(cè)值。采用網(wǎng)格搜索優(yōu)化模型超參數(shù),確定基準(zhǔn)模型隱藏層為2 層,單元數(shù)為200。

    基準(zhǔn)模型在上述參數(shù)設(shè)置下調(diào)參訓(xùn)練過程損失函數(shù)如圖10所示,由圖10 可以看出,訓(xùn)練損失和驗(yàn)證損失都下降并且最終穩(wěn)定至接近重合,這說明在該參數(shù)設(shè)置下,運(yùn)行1 000 次迭代的訓(xùn)練效果較好。故將所有訓(xùn)練數(shù)據(jù)(包括驗(yàn)證集)用于模型的訓(xùn)練,并在1 000 次迭代后停止,得到訓(xùn)練模型。

    圖10 調(diào)參訓(xùn)練過程損失函數(shù)Fig.10 Loss function diagram of parameter adjustment training process

    對(duì)LSTM神經(jīng)網(wǎng)絡(luò)增量特征模型進(jìn)行與基準(zhǔn)模型相似的參數(shù)調(diào)試和訓(xùn)練。使用訓(xùn)練得到的LSTM神經(jīng)網(wǎng)絡(luò)基準(zhǔn)模型和LSTM神經(jīng)網(wǎng)絡(luò)增量特征模型對(duì)2017年1月1日至1月31日每小時(shí)的發(fā)電量進(jìn)行預(yù)測(cè)。發(fā)電量的預(yù)測(cè)值與實(shí)際值,以及不同類別下的日絕對(duì)誤差如圖11所示。

    圖11 測(cè)試集LSTM 神經(jīng)網(wǎng)絡(luò)基準(zhǔn)模型和增量特征模型預(yù)測(cè)結(jié)果Fig.11 Prediction results of the LSTM benchmark model and the incremental feature model in test set

    整個(gè)測(cè)試集內(nèi)1月份31 天的實(shí)際總發(fā)電量為41 744.0 MWh,LSTM 神經(jīng)網(wǎng)絡(luò)基準(zhǔn)模型與LSTM神經(jīng)網(wǎng)絡(luò)增量特征模型日發(fā)電量預(yù)測(cè)結(jié)果見表2。

    由圖11 和表2 可見,盡管總體預(yù)測(cè)精度只有微小改進(jìn),但在發(fā)電量為0 的日期中(A0),增加降雪量、降水量和積雪量作為模型輸入特征的LSTM 神經(jīng)網(wǎng)絡(luò)增量特征模型,其日發(fā)電量總絕對(duì)誤差由LSTM 神經(jīng)網(wǎng)絡(luò)基準(zhǔn)模型的839.96 MW·h下降到373.32 MW·h,日發(fā)電量絕對(duì)誤差占比由22.81%下降到10.41%,均下降2 倍以上。但是對(duì)于少數(shù)類B 類,增量特征模型的表現(xiàn)較基準(zhǔn)模型反而總體降低。這反映模型在引入增量特征后,重新分配了對(duì)不同輸入特征的擬合權(quán)重,使得模型對(duì)特定情況(如A0 類)的擬合能力有所提高,但由此也損失了對(duì)其他情況的泛化能力。由此可見,針對(duì)不同發(fā)電模式或者氣象模式,應(yīng)當(dāng)靈活選取氣象參數(shù)特征,構(gòu)建相應(yīng)預(yù)測(cè)模型,以提高預(yù)測(cè)精度。

    表2 LSTM 神經(jīng)網(wǎng)絡(luò)基準(zhǔn)模型與LSTM 神經(jīng)網(wǎng)絡(luò)增量特征模型日發(fā)電量預(yù)測(cè)結(jié)果Tab.2 Daily power generation prediction results of the LSTM benchmark model and the LSTM incremental feature model

    4 結(jié)語

    針對(duì)美國(guó)加州光熱電站并網(wǎng)電力預(yù)測(cè)問題,本文提出了LSTM 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型構(gòu)建方案,并實(shí)現(xiàn)91.41%的日發(fā)電量預(yù)測(cè)精度,可服務(wù)于實(shí)際電站。此外,根據(jù)聚類分析的結(jié)果,發(fā)現(xiàn)不同發(fā)電模式類別下,氣象參數(shù)對(duì)發(fā)電的影響存在顯著差異。而不同特征組合構(gòu)建的預(yù)測(cè)模型,對(duì)不同氣象條件下的光熱電站發(fā)電預(yù)測(cè)能力同樣存在差異。因此,根據(jù)聚類得到的發(fā)電模式類別,構(gòu)建相應(yīng)的特征組合預(yù)測(cè)模型,利用集成學(xué)習(xí)方法,有望進(jìn)一步提高光熱電站發(fā)電預(yù)測(cè)精度。

    猜你喜歡
    輻照度發(fā)電量氣象
    氣象樹
    9月份全國(guó)發(fā)電量同比下降0.4%
    《內(nèi)蒙古氣象》征稿簡(jiǎn)則
    2019年全國(guó)發(fā)電量同比增長(zhǎng)3.5%
    氣象戰(zhàn)士之歌
    心聲歌刊(2019年5期)2020-01-19 01:52:52
    大國(guó)氣象
    全國(guó)上半年水力發(fā)電量同比增長(zhǎng)2.9%
    中國(guó)典型地區(qū)水平總輻射輻照度頻次特征*
    風(fēng)能(2016年8期)2016-12-12 07:28:48
    肯尼亞火電發(fā)電量下降
    太陽模擬器輻照度修正方法的研究
    久久精品91无色码中文字幕| 精品久久久久久久久久免费视频| 韩国av一区二区三区四区| 黄色日韩在线| 婷婷六月久久综合丁香| 日韩欧美三级三区| 麻豆国产97在线/欧美| 国产私拍福利视频在线观看| 五月伊人婷婷丁香| 97人妻精品一区二区三区麻豆| 啦啦啦免费观看视频1| av欧美777| 亚洲国产精品sss在线观看| 亚洲国产精品sss在线观看| 男女下面进入的视频免费午夜| 国产高清激情床上av| 免费av毛片视频| 国产av不卡久久| 听说在线观看完整版免费高清| 日韩av在线大香蕉| 亚洲精品456在线播放app | 午夜a级毛片| 欧美日韩乱码在线| 成人鲁丝片一二三区免费| 少妇的逼水好多| 99久久久亚洲精品蜜臀av| 88av欧美| 别揉我奶头~嗯~啊~动态视频| 久久人妻av系列| 小说图片视频综合网站| 亚洲国产欧洲综合997久久,| 18禁黄网站禁片午夜丰满| 亚洲 欧美一区二区三区| 精品国产亚洲在线| 国产成人福利小说| 在线免费观看不下载黄p国产 | 午夜亚洲福利在线播放| 午夜福利成人在线免费观看| 黄色成人免费大全| 99精品欧美一区二区三区四区| 桃红色精品国产亚洲av| 国产激情欧美一区二区| 免费看a级黄色片| 国产精品爽爽va在线观看网站| 熟女人妻精品中文字幕| 搡老熟女国产l中国老女人| 午夜福利在线在线| 国产高清有码在线观看视频| 亚洲国产精品久久男人天堂| 亚洲 欧美 日韩 在线 免费| 国产午夜精品久久久久久| 久久午夜亚洲精品久久| 看黄色毛片网站| 精品电影一区二区在线| 极品教师在线免费播放| 亚洲男人的天堂狠狠| 国产毛片a区久久久久| 啦啦啦免费观看视频1| 亚洲av熟女| 亚洲av电影不卡..在线观看| 中文亚洲av片在线观看爽| 欧美午夜高清在线| 一边摸一边抽搐一进一小说| 日韩大尺度精品在线看网址| 神马国产精品三级电影在线观看| 搡老妇女老女人老熟妇| 久久久久精品国产欧美久久久| 国产精品一区二区精品视频观看| 亚洲av免费在线观看| 美女cb高潮喷水在线观看 | 舔av片在线| xxxwww97欧美| 老熟妇乱子伦视频在线观看| 久久久久久久久久黄片| 亚洲人与动物交配视频| 久久久久国产精品人妻aⅴ院| 国产一区在线观看成人免费| 日本一二三区视频观看| 亚洲中文日韩欧美视频| 精品人妻1区二区| 91av网站免费观看| 中文在线观看免费www的网站| 欧美三级亚洲精品| 听说在线观看完整版免费高清| 成人鲁丝片一二三区免费| 免费看光身美女| 日韩 欧美 亚洲 中文字幕| 欧美在线一区亚洲| 久久久久久久久免费视频了| 国产一级毛片七仙女欲春2| 亚洲国产欧洲综合997久久,| 日本黄色片子视频| 精品国内亚洲2022精品成人| 久久久久性生活片| 精品免费久久久久久久清纯| 色精品久久人妻99蜜桃| svipshipincom国产片| av福利片在线观看| 国产午夜精品久久久久久| 非洲黑人性xxxx精品又粗又长| 9191精品国产免费久久| 色噜噜av男人的天堂激情| 欧美xxxx黑人xx丫x性爽| 两个人看的免费小视频| 成人国产一区最新在线观看| 夜夜爽天天搞| 国产成人av激情在线播放| 人妻夜夜爽99麻豆av| 久久久久久大精品| 国产精品美女特级片免费视频播放器 | 级片在线观看| 国产午夜福利久久久久久| 天堂√8在线中文| 热99re8久久精品国产| 国产亚洲精品一区二区www| 国产成人系列免费观看| 99riav亚洲国产免费| 天堂网av新在线| 国产精品久久久久久亚洲av鲁大| 69av精品久久久久久| 99久久成人亚洲精品观看| 999精品在线视频| 亚洲中文av在线| xxxwww97欧美| 国产亚洲精品久久久久久毛片| 五月玫瑰六月丁香| 国产精品亚洲av一区麻豆| www日本在线高清视频| 久久这里只有精品中国| 成人av在线播放网站| 久久久久久久久中文| 丁香欧美五月| 母亲3免费完整高清在线观看| 美女高潮的动态| 精品久久久久久久末码| 丰满人妻一区二区三区视频av | 波多野结衣巨乳人妻| 女同久久另类99精品国产91| 99国产极品粉嫩在线观看| 天堂动漫精品| 欧美日韩乱码在线| 国产精品美女特级片免费视频播放器 | h日本视频在线播放| 99国产极品粉嫩在线观看| 波多野结衣高清作品| 日本 欧美在线| 狂野欧美激情性xxxx| 国产av麻豆久久久久久久| 亚洲 欧美 日韩 在线 免费| 欧美黑人欧美精品刺激| 精品无人区乱码1区二区| 天天一区二区日本电影三级| 亚洲熟妇熟女久久| www国产在线视频色| 日本成人三级电影网站| 成人特级av手机在线观看| 狂野欧美激情性xxxx| 国产精品亚洲一级av第二区| 叶爱在线成人免费视频播放| 久久人妻av系列| 欧美+亚洲+日韩+国产| av视频在线观看入口| 久久久久久久久免费视频了| 美女午夜性视频免费| 午夜福利视频1000在线观看| 91九色精品人成在线观看| 国产精品香港三级国产av潘金莲| 麻豆成人午夜福利视频| 亚洲午夜精品一区,二区,三区| 美女黄网站色视频| 欧美一级毛片孕妇| 精品电影一区二区在线| 亚洲精品久久国产高清桃花| 成人永久免费在线观看视频| 亚洲国产欧洲综合997久久,| 老司机福利观看| 久久精品91蜜桃| 中文字幕熟女人妻在线| 国产精品一区二区免费欧美| 最好的美女福利视频网| 男人和女人高潮做爰伦理| 国产亚洲精品av在线| 亚洲片人在线观看| 亚洲人成电影免费在线| 一级黄色大片毛片| 国产精品女同一区二区软件 | 亚洲精品国产精品久久久不卡| 亚洲一区高清亚洲精品| 人妻夜夜爽99麻豆av| 国产伦人伦偷精品视频| 怎么达到女性高潮| 国产蜜桃级精品一区二区三区| 国产真实乱freesex| 免费看光身美女| 国产精品一区二区三区四区久久| 欧美极品一区二区三区四区| 此物有八面人人有两片| 久久天躁狠狠躁夜夜2o2o| 天堂av国产一区二区熟女人妻| 国产又色又爽无遮挡免费看| 1024手机看黄色片| 国语自产精品视频在线第100页| 老汉色av国产亚洲站长工具| 久久久国产成人精品二区| 全区人妻精品视频| 岛国在线免费视频观看| 看黄色毛片网站| 色综合亚洲欧美另类图片| 三级毛片av免费| 欧美日韩精品网址| 国产精品女同一区二区软件 | 国内毛片毛片毛片毛片毛片| 99久久精品一区二区三区| 亚洲成人中文字幕在线播放| 精品一区二区三区四区五区乱码| 不卡一级毛片| 中亚洲国语对白在线视频| 亚洲av中文字字幕乱码综合| 国产精品免费一区二区三区在线| 亚洲欧美精品综合久久99| 我的老师免费观看完整版| 91在线精品国自产拍蜜月 | 久久久久久九九精品二区国产| cao死你这个sao货| 又黄又粗又硬又大视频| 久久精品综合一区二区三区| 久久热在线av| 久久精品aⅴ一区二区三区四区| 欧美成狂野欧美在线观看| 欧美最黄视频在线播放免费| 国产乱人伦免费视频| 亚洲男人的天堂狠狠| 国产精品99久久久久久久久| 无遮挡黄片免费观看| 91av网站免费观看| 国产单亲对白刺激| 久久久久免费精品人妻一区二区| 午夜福利在线在线| 18禁美女被吸乳视频| e午夜精品久久久久久久| 国产亚洲精品一区二区www| 巨乳人妻的诱惑在线观看| 成人午夜高清在线视频| 亚洲精品乱码久久久v下载方式 | 国产高清有码在线观看视频| 亚洲人成伊人成综合网2020| 国产熟女xx| 亚洲成人中文字幕在线播放| 免费看十八禁软件| 最近最新中文字幕大全电影3| 精品不卡国产一区二区三区| 欧美性猛交黑人性爽| 国产精品 欧美亚洲| 神马国产精品三级电影在线观看| 一本一本综合久久| 在线观看免费视频日本深夜| 国产精品 国内视频| 搡老熟女国产l中国老女人| 亚洲国产欧洲综合997久久,| 久久午夜综合久久蜜桃| 久久精品aⅴ一区二区三区四区| 日本撒尿小便嘘嘘汇集6| 免费av不卡在线播放| 国产精品av久久久久免费| 久久久精品大字幕| 午夜免费观看网址| 欧美另类亚洲清纯唯美| 啦啦啦免费观看视频1| 午夜激情福利司机影院| 免费av不卡在线播放| 国产91精品成人一区二区三区| 精品无人区乱码1区二区| 国内精品久久久久精免费| 国产激情欧美一区二区| 亚洲一区高清亚洲精品| 韩国av一区二区三区四区| 男人舔奶头视频| 香蕉丝袜av| 欧美成人免费av一区二区三区| 欧美日韩精品网址| 岛国视频午夜一区免费看| 欧美日韩一级在线毛片| 亚洲午夜理论影院| 国产精品香港三级国产av潘金莲| 久久久久九九精品影院| 国内精品久久久久精免费| 国产精品久久久久久亚洲av鲁大| 一夜夜www| 国产人伦9x9x在线观看| 1000部很黄的大片| 国产黄色小视频在线观看| 最新美女视频免费是黄的| 国产精品久久久av美女十八| 亚洲人与动物交配视频| 日韩免费av在线播放| 18禁裸乳无遮挡免费网站照片| 成人高潮视频无遮挡免费网站| 中文字幕熟女人妻在线| 在线国产一区二区在线| 一个人免费在线观看的高清视频| 中文字幕高清在线视频| 琪琪午夜伦伦电影理论片6080| 91老司机精品| 国产欧美日韩一区二区三| 久久久久国产一级毛片高清牌| 亚洲精品在线观看二区| 非洲黑人性xxxx精品又粗又长| 黄色 视频免费看| a在线观看视频网站| 757午夜福利合集在线观看| 亚洲国产欧美人成| 日韩欧美在线二视频| 老汉色∧v一级毛片| 亚洲 国产 在线| 在线视频色国产色| 好男人在线观看高清免费视频| 岛国在线观看网站| 久久久国产精品麻豆| 国产高清videossex| 波多野结衣高清无吗| 成人无遮挡网站| 亚洲 欧美一区二区三区| 亚洲国产看品久久| 亚洲人与动物交配视频| 少妇熟女aⅴ在线视频| 中文字幕人妻丝袜一区二区| 午夜福利成人在线免费观看| 午夜免费成人在线视频| 香蕉国产在线看| 一个人看的www免费观看视频| 成人特级av手机在线观看| 色av中文字幕| www.自偷自拍.com| 亚洲五月婷婷丁香| 岛国在线观看网站| 琪琪午夜伦伦电影理论片6080| 国产精品 欧美亚洲| 欧美又色又爽又黄视频| 禁无遮挡网站| 又黄又爽又免费观看的视频| 视频区欧美日本亚洲| 国产在线精品亚洲第一网站| av欧美777| 桃色一区二区三区在线观看| av福利片在线观看| 亚洲狠狠婷婷综合久久图片| 精品久久久久久久久久久久久| 亚洲 国产 在线| 丝袜人妻中文字幕| 欧美日韩国产亚洲二区| 国产精品免费一区二区三区在线| 夜夜夜夜夜久久久久| 全区人妻精品视频| 久久中文字幕人妻熟女| 美女扒开内裤让男人捅视频| 亚洲人成网站在线播放欧美日韩| www.999成人在线观看| e午夜精品久久久久久久| 99视频精品全部免费 在线 | 老司机午夜十八禁免费视频| 黄色日韩在线| 成在线人永久免费视频| 国产久久久一区二区三区| 大型黄色视频在线免费观看| 日本 欧美在线| 99久久99久久久精品蜜桃| 在线永久观看黄色视频| 亚洲欧美激情综合另类| 亚洲熟女毛片儿| 久久中文字幕一级| 最近最新中文字幕大全电影3| 村上凉子中文字幕在线| 男人和女人高潮做爰伦理| 免费无遮挡裸体视频| 亚洲性夜色夜夜综合| 天堂网av新在线| 99久久精品热视频| 国产高清三级在线| 国产成人福利小说| 国产亚洲精品综合一区在线观看| 国产精品自产拍在线观看55亚洲| 欧美日韩国产亚洲二区| 国产伦人伦偷精品视频| 日韩大尺度精品在线看网址| 久久精品夜夜夜夜夜久久蜜豆| 亚洲国产精品999在线| 一夜夜www| 亚洲 欧美一区二区三区| 国产av在哪里看| 俺也久久电影网| 亚洲最大成人中文| 成年女人永久免费观看视频| 国产久久久一区二区三区| av天堂在线播放| 毛片女人毛片| 国产精品一区二区三区四区免费观看 | 老司机福利观看| 成人国产一区最新在线观看| 美女cb高潮喷水在线观看 | 成人三级做爰电影| 精华霜和精华液先用哪个| 亚洲欧美精品综合久久99| 少妇丰满av| 高清在线国产一区| 亚洲熟妇中文字幕五十中出| 天堂av国产一区二区熟女人妻| 色综合站精品国产| 香蕉久久夜色| 91久久精品国产一区二区成人 | 每晚都被弄得嗷嗷叫到高潮| 久久这里只有精品19| 国产av在哪里看| 免费看日本二区| 国产一区在线观看成人免费| 天堂影院成人在线观看| АⅤ资源中文在线天堂| 欧美乱码精品一区二区三区| 亚洲七黄色美女视频| 曰老女人黄片| 久久九九热精品免费| 亚洲成人久久性| 非洲黑人性xxxx精品又粗又长| 村上凉子中文字幕在线| 亚洲国产精品久久男人天堂| 男女床上黄色一级片免费看| 国产欧美日韩精品一区二区| 久久中文字幕一级| 国产乱人伦免费视频| 黄片大片在线免费观看| 好男人电影高清在线观看| 日本黄色片子视频| 国产精品av视频在线免费观看| 国产 一区 欧美 日韩| 变态另类丝袜制服| 久久精品亚洲精品国产色婷小说| 亚洲精华国产精华精| 熟妇人妻久久中文字幕3abv| 亚洲av日韩精品久久久久久密| 久久精品综合一区二区三区| av片东京热男人的天堂| 一级黄色大片毛片| 国内毛片毛片毛片毛片毛片| 亚洲av成人精品一区久久| 一进一出好大好爽视频| 动漫黄色视频在线观看| 免费大片18禁| 亚洲国产欧美网| 岛国视频午夜一区免费看| 亚洲第一电影网av| 草草在线视频免费看| 一本精品99久久精品77| 久久久久久久午夜电影| 免费看光身美女| 天天躁日日操中文字幕| 国内精品美女久久久久久| 女警被强在线播放| 久久人人精品亚洲av| 亚洲欧美精品综合久久99| 黄色女人牲交| 中文字幕久久专区| 制服丝袜大香蕉在线| 国产乱人伦免费视频| 香蕉国产在线看| 国产精品久久久久久亚洲av鲁大| 熟女少妇亚洲综合色aaa.| 1024香蕉在线观看| 国产成人精品久久二区二区免费| 最近最新中文字幕大全免费视频| 99视频精品全部免费 在线 | 日本免费一区二区三区高清不卡| 久久久久国产一级毛片高清牌| 一进一出好大好爽视频| 麻豆一二三区av精品| 国产伦人伦偷精品视频| 日韩中文字幕欧美一区二区| 在线看三级毛片| 日本 av在线| 精品国产乱子伦一区二区三区| 久久久精品欧美日韩精品| 曰老女人黄片| 午夜精品久久久久久毛片777| 亚洲美女黄片视频| 国产av一区在线观看免费| 国产成人福利小说| 亚洲国产精品合色在线| 好男人在线观看高清免费视频| 午夜影院日韩av| 久久久久精品国产欧美久久久| 国产午夜精品久久久久久| 日韩国内少妇激情av| 一边摸一边抽搐一进一小说| 此物有八面人人有两片| 午夜成年电影在线免费观看| 国产av不卡久久| 两性午夜刺激爽爽歪歪视频在线观看| a在线观看视频网站| 欧美+亚洲+日韩+国产| 校园春色视频在线观看| 九色成人免费人妻av| 欧美乱色亚洲激情| 99riav亚洲国产免费| 国产精品久久久久久亚洲av鲁大| 日本三级黄在线观看| 国产午夜精品久久久久久| 在线十欧美十亚洲十日本专区| 毛片女人毛片| 在线视频色国产色| 精品一区二区三区av网在线观看| 极品教师在线免费播放| 九九在线视频观看精品| 两人在一起打扑克的视频| 九九久久精品国产亚洲av麻豆 | 亚洲,欧美精品.| netflix在线观看网站| 国产精品久久视频播放| 神马国产精品三级电影在线观看| 色尼玛亚洲综合影院| 欧美一区二区国产精品久久精品| 国产黄片美女视频| 亚洲人与动物交配视频| 草草在线视频免费看| 精品久久久久久久人妻蜜臀av| 免费人成视频x8x8入口观看| 国产爱豆传媒在线观看| 法律面前人人平等表现在哪些方面| 国产成人福利小说| 亚洲色图av天堂| 国产成人aa在线观看| 国内揄拍国产精品人妻在线| 麻豆一二三区av精品| 欧美黑人巨大hd| 久久精品人妻少妇| www.熟女人妻精品国产| or卡值多少钱| 亚洲熟女毛片儿| 国产97色在线日韩免费| 黄片小视频在线播放| netflix在线观看网站| 性色avwww在线观看| 免费看a级黄色片| 最新美女视频免费是黄的| 亚洲九九香蕉| 不卡一级毛片| 成人亚洲精品av一区二区| 麻豆国产97在线/欧美| 免费无遮挡裸体视频| bbb黄色大片| 男女做爰动态图高潮gif福利片| 少妇的逼水好多| 欧美成人一区二区免费高清观看 | 国产精品永久免费网站| 色综合站精品国产| 黑人巨大精品欧美一区二区mp4| 99久久精品国产亚洲精品| 亚洲激情在线av| 国产成+人综合+亚洲专区| 男人和女人高潮做爰伦理| 欧美在线黄色| 亚洲av中文字字幕乱码综合| 欧美xxxx黑人xx丫x性爽| 国产男靠女视频免费网站| xxx96com| 最近最新中文字幕大全免费视频| 久久久久久九九精品二区国产| 日韩欧美在线二视频| 嫩草影院精品99| 欧美三级亚洲精品| 色av中文字幕| 综合色av麻豆| 亚洲 欧美 日韩 在线 免费| 99久久综合精品五月天人人| 国产精品日韩av在线免费观看| 国产黄片美女视频| 两人在一起打扑克的视频| 日本精品一区二区三区蜜桃| www日本在线高清视频| 国产成人aa在线观看| 久久天堂一区二区三区四区| 又黄又粗又硬又大视频| 在线观看日韩欧美| 他把我摸到了高潮在线观看| 国产精品99久久久久久久久| 精品熟女少妇八av免费久了| 免费av毛片视频| 老司机深夜福利视频在线观看| 后天国语完整版免费观看| 国内揄拍国产精品人妻在线| 在线观看舔阴道视频| 后天国语完整版免费观看| 最新中文字幕久久久久 | 国产成年人精品一区二区| 一级毛片高清免费大全| 日韩欧美免费精品| h日本视频在线播放| 国产精品av视频在线免费观看| 日韩欧美国产一区二区入口| 久久久国产成人精品二区| 国产伦精品一区二区三区视频9 | 色精品久久人妻99蜜桃| 精品国产超薄肉色丝袜足j| 久久这里只有精品19| 五月伊人婷婷丁香| 欧美大码av| 成人特级av手机在线观看| 少妇熟女aⅴ在线视频| 日韩高清综合在线| 亚洲 国产 在线| 特大巨黑吊av在线直播| 国产精品免费一区二区三区在线| 一级毛片高清免费大全| 欧美zozozo另类| 999久久久精品免费观看国产| 日本撒尿小便嘘嘘汇集6| 一个人看视频在线观看www免费 | 久久伊人香网站|