• <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 ?

    基于空間深度置信網(wǎng)絡(luò)的風(fēng)速預(yù)測(cè)優(yōu)化方法*

    2022-09-24 06:47:48許皓宇謝洪亮
    電子技術(shù)應(yīng)用 2022年8期
    關(guān)鍵詞:單點(diǎn)風(fēng)速重構(gòu)

    許皓宇 ,薛 巍 ,張 濤 ,謝洪亮

    (1.清華大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)系,北京 100084;2.遠(yuǎn)景能源(南京)軟件技術(shù)有限公司,上海 200050)

    0 引言

    隨著環(huán)境污染以及能源緊缺問(wèn)題的加劇,風(fēng)能作為一種可再生的清潔能源在世界各國(guó)得到了迅速的發(fā)展。目前,風(fēng)力發(fā)電在我國(guó)的電源結(jié)構(gòu)占比已超過(guò)了核能,僅次于火力和水力發(fā)電。而在歐美各國(guó),風(fēng)力發(fā)電的總電量占比已經(jīng)超過(guò)10%。風(fēng)速變化非常劇烈,具有很強(qiáng)的波動(dòng)性和隨機(jī)性,導(dǎo)致風(fēng)力發(fā)電無(wú)法保證穩(wěn)定的輸電功率,為保證供電網(wǎng)絡(luò)的穩(wěn)定,大量的風(fēng)電能源被浪費(fèi)。同時(shí),由于風(fēng)力資源的不穩(wěn)定,一旦風(fēng)電功率達(dá)到穿透功率,將嚴(yán)重威脅電網(wǎng)的安全運(yùn)行。風(fēng)速和風(fēng)功率的準(zhǔn)確預(yù)測(cè)對(duì)于風(fēng)能的進(jìn)一步的開(kāi)發(fā)和利用至關(guān)重要。

    目前,針對(duì)風(fēng)速的長(zhǎng)短期預(yù)測(cè)已經(jīng)進(jìn)行了大量的研究。傳統(tǒng)的數(shù)值天氣預(yù)報(bào)以大氣動(dòng)力學(xué)方程為基礎(chǔ),從當(dāng)前天氣狀態(tài)逐步向前迭代積分來(lái)預(yù)報(bào)未來(lái)的風(fēng)速。數(shù)值天氣預(yù)報(bào)模式包含了大規(guī)模偏微分方程求解,需要消耗大量的計(jì)算資源。隨著人工智能和機(jī)器學(xué)習(xí)技術(shù)的快速發(fā)展,將基于數(shù)據(jù)的機(jī)器學(xué)習(xí)技術(shù)應(yīng)用于風(fēng)速預(yù)測(cè)得到了逐步深入的研究。

    機(jī)器學(xué)習(xí)算法利用歷史數(shù)據(jù)來(lái)訓(xùn)練模型,在模型訓(xùn)練好后就可以基于過(guò)去的特征預(yù)測(cè)未來(lái)風(fēng)速,相比數(shù)值天氣預(yù)報(bào),模型推理需要的計(jì)算資源大大減少。一些經(jīng)典的機(jī)器學(xué)習(xí)模型包括線性回歸(Linear Regression)、可支持向量機(jī)回歸(Support Vector Machine)和不同結(jié)構(gòu)的人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network)等都被用于短期(0~12 h)的風(fēng)速預(yù)報(bào)[1-6]。這些工作首先將歷史數(shù)據(jù)轉(zhuǎn)化為特征和預(yù)測(cè)目標(biāo),進(jìn)行簡(jiǎn)單的數(shù)據(jù)預(yù)處理后使用模型訓(xùn)練和學(xué)習(xí),在短期的風(fēng)速預(yù)測(cè)上能夠取得不亞于數(shù)值天氣預(yù)報(bào)的精度[7]。

    上述機(jī)器學(xué)習(xí)預(yù)測(cè)方法在選取特征時(shí)均局限于單一地點(diǎn)風(fēng)速和相關(guān)氣象因子(這種預(yù)測(cè)技術(shù)稱之為單點(diǎn)預(yù)測(cè)),沒(méi)有考慮到風(fēng)速的空間特性。風(fēng)速的物理特性決定了風(fēng)速在區(qū)域內(nèi)的分布存在一定的規(guī)律并滿足一定的約束[8]。受到不同地形及風(fēng)速的不穩(wěn)定性的影響,這些規(guī)律或約束很難用確切的數(shù)學(xué)函數(shù)表示。因此,本文提出使用深度置信網(wǎng)絡(luò)(Deep Belief Network,DBN)從數(shù)據(jù)中學(xué)習(xí)和挖掘復(fù)雜混沌的風(fēng)速的空間規(guī)律和約束,并利用學(xué)習(xí)到的規(guī)律和約束重構(gòu)和改善單一地點(diǎn)的風(fēng)速預(yù)測(cè)結(jié)果。

    深度置信網(wǎng)絡(luò)是一個(gè)概率生成模型,能夠建立輸入變量之間的聯(lián)合分布,通過(guò)學(xué)習(xí)到的聯(lián)合分布DBN 可以完成特征提取、數(shù)據(jù)壓縮與重構(gòu)、圖像降噪等任務(wù)。經(jīng)過(guò)DBN 提取的特征(即隱藏層節(jié)點(diǎn))可以將音樂(lè)分類(lèi)的準(zhǔn)確率提高14%[9]。將DBN 應(yīng)用于“瑞士卷”數(shù)據(jù)壓縮,可以無(wú)損地將三維數(shù)據(jù)壓縮至兩維再恢復(fù)[10]。經(jīng)過(guò)訓(xùn)練的DBN 網(wǎng)絡(luò)也可以重構(gòu)有噪聲的原始數(shù)據(jù)達(dá)到降噪的目標(biāo)。DBN 也被用于提取不同氣象因子(風(fēng)速、溫度、氣壓、濕度)之間的規(guī)律用于重構(gòu)天氣狀態(tài)[11]。

    本文比較了多種機(jī)器學(xué)習(xí)算法的12~72 h 單點(diǎn)風(fēng)速預(yù)測(cè)性能,隨后使用DBN 改善了其中誤差最低的單點(diǎn)預(yù)測(cè)結(jié)果,經(jīng)過(guò)DBN 重構(gòu)的預(yù)測(cè)誤差下降達(dá)到平均0.4 m/s。

    1 風(fēng)速預(yù)測(cè)問(wèn)題

    按照預(yù)測(cè)目標(biāo)、時(shí)間范圍,風(fēng)速預(yù)測(cè)可以分為短期、中期和長(zhǎng)期預(yù)測(cè),不同時(shí)間尺度的預(yù)測(cè)及其主要應(yīng)用見(jiàn)表1。

    表1 不同時(shí)間尺度風(fēng)速預(yù)測(cè)和應(yīng)用場(chǎng)景

    表1 中對(duì)于不同時(shí)間尺度的風(fēng)速預(yù)測(cè)的劃分并不是嚴(yán)格的。我國(guó)能源局發(fā)布的《風(fēng)電功率預(yù)測(cè)功能規(guī)范》中規(guī)定了超短期和短期預(yù)測(cè)兩種預(yù)測(cè)任務(wù)[12]。其中超短期預(yù)測(cè)要求預(yù)測(cè)未來(lái)0~4 h 的風(fēng)速和風(fēng)功率,短期預(yù)測(cè)要求預(yù)測(cè)0~72 h 的風(fēng)速和風(fēng)功率,時(shí)間分辨率均為15 min。

    目前用于風(fēng)速預(yù)測(cè)的主要方法包括數(shù)值天氣預(yù)報(bào)和統(tǒng)計(jì)回歸(機(jī)器學(xué)習(xí))模型。統(tǒng)計(jì)回歸模型也是后續(xù)本文單點(diǎn)試驗(yàn)所選用的模型。

    盡管在短期風(fēng)速預(yù)測(cè)上機(jī)器學(xué)習(xí)方法取得了成功,但在中長(zhǎng)期(12~72 h)預(yù)測(cè)上機(jī)器學(xué)習(xí)卻無(wú)法達(dá)到數(shù)值天氣預(yù)報(bào)的精度。這是因?yàn)橹虚L(zhǎng)期預(yù)測(cè)中預(yù)測(cè)目標(biāo)和特征的相關(guān)性相比短期預(yù)測(cè)大大降低,且在幾十個(gè)小時(shí)的時(shí)間里,很多天氣現(xiàn)象都會(huì)對(duì)風(fēng)速產(chǎn)生明顯的影響,再加上風(fēng)速具有很強(qiáng)的波動(dòng)性,導(dǎo)致中長(zhǎng)期風(fēng)速預(yù)測(cè)難度顯著增加。而中長(zhǎng)期的風(fēng)速預(yù)測(cè)對(duì)于風(fēng)電場(chǎng)的任務(wù)調(diào)度、成本和收益估算等具有重要的意義,因此本文致力于提高中長(zhǎng)期風(fēng)速預(yù)測(cè)的精度。

    2 深度置信網(wǎng)絡(luò)

    2.1 DBN 模型結(jié)構(gòu)和訓(xùn)練

    深度置信網(wǎng)絡(luò)(DBN)是一個(gè)包括多層隱藏層的神經(jīng)網(wǎng)絡(luò)模型[13]。DBN 既可以解決有監(jiān)督學(xué)習(xí)中的分類(lèi)問(wèn)題,也可以訓(xùn)練一個(gè)無(wú)監(jiān)督學(xué)習(xí)的生成模型。本文主要采用用于重構(gòu)的無(wú)監(jiān)督生成型DBN,其結(jié)構(gòu)如圖1 所示。

    圖1 DBN 網(wǎng)絡(luò)基礎(chǔ)結(jié)構(gòu)[13]

    圖1 中每一層都是一個(gè)受限玻爾茲曼機(jī)(Restricted Boltzmann Machines,RBM),每一層的輸出作為下一層的輸入。每一層的RBM 包含可見(jiàn)層v 和隱藏層h,b 為可見(jiàn)層偏移量,c 為隱藏層偏移量,W 為可見(jiàn)層和隱藏層之間的權(quán)值矩陣。模型的能量函數(shù)形式如式(1):

    自可見(jiàn)層開(kāi)始向上依次訓(xùn)練每一層RBM 完成無(wú)監(jiān)督DBN 的訓(xùn)練[14]。

    2.2 針對(duì)風(fēng)速預(yù)測(cè)空間深度置信網(wǎng)絡(luò)

    風(fēng)速的空間特性來(lái)源復(fù)雜,同時(shí)受到地形的影響,很難用統(tǒng)一固定的數(shù)學(xué)函數(shù)表示。文獻(xiàn)[8]研究了在同一方向上相距10~30 km 的多個(gè)地點(diǎn)的風(fēng)速情況,發(fā)現(xiàn)風(fēng)速呈現(xiàn)很強(qiáng)的時(shí)延相似性。此外,在一些特殊地形,例如盆地、山谷,風(fēng)速也將受到一定的約束。由于地形的影響,一個(gè)地區(qū)的規(guī)律和物理約束很難推廣到其他區(qū)域。因而,本文采用深度置信網(wǎng)絡(luò)來(lái)通過(guò)歷史數(shù)據(jù)自動(dòng)學(xué)習(xí)和挖掘具體某一地區(qū)內(nèi)空間風(fēng)速分布的規(guī)律。

    DBN 可以從數(shù)據(jù)訓(xùn)練和學(xué)習(xí)到變量的聯(lián)合概率分布。如果將某一地區(qū)內(nèi)多個(gè)觀測(cè)點(diǎn)的歷史風(fēng)速數(shù)據(jù)輸入到DBN 中,DBN 就可以學(xué)習(xí)到風(fēng)速的空間分布規(guī)律(即聯(lián)合分布),而這些內(nèi)在的規(guī)律和特征在DBN 內(nèi)部通過(guò)權(quán)值矩陣、偏移量和隱藏層節(jié)點(diǎn)來(lái)存儲(chǔ)和表示。在完成DBN 的訓(xùn)練后,DBN 可以對(duì)輸入的一組空間風(fēng)速預(yù)測(cè)進(jìn)行重構(gòu)。重構(gòu)過(guò)程中,DBN 將判斷輸入的預(yù)測(cè)風(fēng)速是否滿足之前學(xué)習(xí)到的風(fēng)速分布規(guī)律并根據(jù)規(guī)律對(duì)預(yù)測(cè)風(fēng)速進(jìn)行修正,生成新的一組風(fēng)速預(yù)測(cè)。新的風(fēng)速預(yù)測(cè)是DBN 在原預(yù)測(cè)基礎(chǔ)上根據(jù)歷史空間風(fēng)速分布規(guī)律修改得出的。

    基于DBN 的風(fēng)速預(yù)測(cè)改進(jìn)算法的具體流程如下:

    (1)構(gòu)建訓(xùn)練數(shù)據(jù)集x1,x2,x3,…,xn,其中xi代表時(shí)刻i 風(fēng)場(chǎng)風(fēng)速向量,包含了d 個(gè)地點(diǎn)的風(fēng)速值。

    (2)確定DBN 的結(jié)構(gòu)和參數(shù)(層數(shù)、每層節(jié)點(diǎn)數(shù)、訓(xùn)練代數(shù)、學(xué)習(xí)率),使用訓(xùn)練數(shù)據(jù)集無(wú)監(jiān)督訓(xùn)練DBN。

    3 面向風(fēng)速預(yù)測(cè)的DBN 參數(shù)選擇與訓(xùn)練

    同其他深度學(xué)習(xí)模型一樣,DBN 的參數(shù)對(duì)于DBN的性能影響非常大。DBN 的參數(shù)包括通過(guò)訓(xùn)練更新的模型參數(shù)(權(quán)值矩陣和偏移量〈b,c,W〉),以及需要在訓(xùn)練前決定的學(xué)習(xí)率η、訓(xùn)練迭代次數(shù)和網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)等,這些參數(shù)稱為超參數(shù)(hyper parameter)。通過(guò)訓(xùn)練更新的權(quán)值矩陣和偏移量取決于訓(xùn)練數(shù)據(jù)和超參數(shù),選擇合理的超參數(shù)對(duì)于DBN 性能具有重要的意義。

    在監(jiān)督學(xué)習(xí)中會(huì)定義預(yù)測(cè)和標(biāo)簽的損失函數(shù),最終選擇損失函數(shù)最低的超參,而無(wú)監(jiān)督DBN 的目標(biāo)是減少重構(gòu)后的風(fēng)速預(yù)測(cè)誤差,定義重構(gòu)后的預(yù)測(cè)風(fēng)速與觀測(cè)風(fēng)速之間的均方根誤差(Root Mean Squared Error,RMSE)為評(píng)價(jià)指標(biāo),即選取一組超參使得DBN 重構(gòu)后的風(fēng)速預(yù)測(cè)結(jié)果RMSE 最低。

    傳統(tǒng)的自動(dòng)超參調(diào)優(yōu)和選擇算法包括網(wǎng)格搜索(Grid Search)、隨機(jī)搜索(Random Search)。網(wǎng)格搜索在超參數(shù)空間建立網(wǎng)格,需要進(jìn)行的采樣(模型訓(xùn)練)次數(shù)隨超參個(gè)數(shù)指數(shù)級(jí)增長(zhǎng)。網(wǎng)格搜索會(huì)在不重要的超參上浪費(fèi)大量的采樣,導(dǎo)致耗費(fèi)大量的計(jì)算資源,因此網(wǎng)格搜索并不適合訓(xùn)練成本昂貴的DBN 超參調(diào)優(yōu)。文獻(xiàn)[15]則通過(guò)實(shí)驗(yàn)和理論分析證明隨機(jī)搜素相比網(wǎng)格搜索更加高效,能夠以更少的采樣次數(shù)和計(jì)算成本尋找到更優(yōu)超參(更優(yōu)模型)。為了能夠以盡可能低的成本完成超參調(diào)優(yōu)和選擇,本文采用代理模式優(yōu)化(Surrogate-Based Optimization)。代理模式優(yōu)化通過(guò)對(duì)目標(biāo)優(yōu)化問(wèn)題建立一個(gè)代理模式來(lái)預(yù)測(cè)每一組超參數(shù)的模型訓(xùn)練結(jié)果。代理模式基于統(tǒng)計(jì)回歸方法構(gòu)建,與真實(shí)模式有很強(qiáng)的相似性,計(jì)算成本低廉,可以進(jìn)行大量采樣。通過(guò)在代理模式進(jìn)行充分的采樣和搜索,多數(shù)無(wú)意義的搜索和采樣將被過(guò)濾,每一組優(yōu)質(zhì)的候選超參數(shù)根據(jù)代理模式生成,進(jìn)行真實(shí)模型訓(xùn)練后更新和改進(jìn)代理模式。隨著代理模式的精確度不斷提高,最終能夠?qū)ふ业阶顑?yōu)超參數(shù),即最優(yōu)DBN 模型。通過(guò)代理模式優(yōu)化來(lái)進(jìn)行DBN 超參調(diào)優(yōu)和選擇的流程如圖2 所示。文獻(xiàn)[16]、[17]使用代理模式優(yōu)化對(duì)大量的深度學(xué)習(xí)和傳統(tǒng)的機(jī)器學(xué)習(xí)模型進(jìn)行超參調(diào)優(yōu),結(jié)果表明,代理模式優(yōu)化的性能明顯優(yōu)于隨機(jī)搜索、網(wǎng)格搜索等傳統(tǒng)算法。

    圖2 DBN 模型超參選擇、訓(xùn)練和重構(gòu)流程

    4 單點(diǎn)風(fēng)速預(yù)測(cè)

    單點(diǎn)風(fēng)速預(yù)測(cè)指的是利用單一站點(diǎn)的歷史風(fēng)速來(lái)預(yù)測(cè)該站點(diǎn)未來(lái)風(fēng)速的技術(shù)。本文選擇了4 種具有代表性的機(jī)器學(xué)習(xí)模型進(jìn)行單點(diǎn)預(yù)測(cè),包括:線性回歸(Linear Regression)[18]、梯度提升回歸樹(shù)(Gradient Boosting Regression Tree,GBRT)、支持向量機(jī)回歸(Support Vector Regression,SVR)和高斯過(guò)程回歸(Gaussian Process,GP)。

    線性回歸是應(yīng)用最廣泛也是最簡(jiǎn)單的回歸模型,其訓(xùn)練成本非常低,適合處理高維稀疏特征空間的分類(lèi)和回歸問(wèn)題[18]。相比線性回歸,其他3 種模型都是非線性模型。梯度提升回歸樹(shù)是決策樹(shù)類(lèi)模型的一種,相比于單決策樹(shù)模型,它通過(guò)大量簡(jiǎn)單的決策樹(shù)組合克服了單決策樹(shù)模型容易過(guò)擬合的缺陷,同時(shí)通過(guò)boosting 思想保證了收斂速率,具有訓(xùn)練速度快、對(duì)異常數(shù)據(jù)魯棒性強(qiáng)等優(yōu)點(diǎn)[19]。支持向量機(jī)回歸利用核函數(shù)將特征空間映射到新的特征空間從而實(shí)現(xiàn)非線性回歸。高斯過(guò)程回歸則通過(guò)建立訓(xùn)練數(shù)據(jù)的聯(lián)合分布來(lái)解決回歸問(wèn)題,能夠根據(jù)特征預(yù)測(cè)概率分布。

    本文選取了國(guó)內(nèi)某區(qū)域內(nèi)9 個(gè)測(cè)風(fēng)塔一年的歷史數(shù)據(jù)來(lái)進(jìn)行單點(diǎn)風(fēng)速預(yù)測(cè)實(shí)驗(yàn),每個(gè)測(cè)風(fēng)塔每隔10 min記錄一次觀測(cè)數(shù)據(jù),包括風(fēng)速、溫度和氣壓。預(yù)測(cè)時(shí)選取過(guò)去7 天的歷史數(shù)據(jù)作為輸入特征,分別以未來(lái)12 h和未來(lái)72 h 的觀測(cè)作為預(yù)測(cè)目標(biāo),每個(gè)模型都進(jìn)行了五折交叉驗(yàn)證。表2 和表3 展示了使用4 種模型對(duì)每個(gè)測(cè)風(fēng)塔進(jìn)行12 h 和72 h 預(yù)報(bào)的RMSE。

    表2 12 h 風(fēng)速預(yù)測(cè)實(shí)驗(yàn) (m/s)

    表3 72 h 風(fēng)速預(yù)測(cè)實(shí)驗(yàn) (m/s)

    從兩組預(yù)測(cè)實(shí)驗(yàn)可以發(fā)現(xiàn),除了測(cè)風(fēng)塔4 和8 之外,高斯過(guò)程回歸的預(yù)測(cè)誤差是最低的。同時(shí),高斯過(guò)程的性能非常穩(wěn)定,即使在不是最優(yōu)模型的觀測(cè)站4 和8,與RMSE 最優(yōu)模型的差距也不超過(guò)0.2 m/s。

    5 風(fēng)速預(yù)測(cè)重構(gòu)實(shí)驗(yàn)

    5.1 長(zhǎng)間距風(fēng)速重構(gòu)實(shí)驗(yàn)

    長(zhǎng)間距代表區(qū)域內(nèi)不同觀測(cè)點(diǎn)的距離為幾十千米,第4 節(jié)用于單點(diǎn)預(yù)測(cè)實(shí)驗(yàn)的9 個(gè)測(cè)風(fēng)塔相互間的距離在10~60 km。本文使用DBN 來(lái)重構(gòu)誤差最低的高斯過(guò)程回歸預(yù)測(cè)結(jié)果,并比較重構(gòu)前后風(fēng)速預(yù)測(cè)情況的變化,如表4 所示。

    表4 長(zhǎng)間距風(fēng)速重構(gòu)結(jié)果 (m/s)

    從表4 中可以看到,盡管9 個(gè)觀測(cè)站平均改善不大,12 h 預(yù)測(cè)誤差降低0.068 m/s,72 h 預(yù)測(cè)誤差降低0.185 m/s,但DBN 重構(gòu)后所有測(cè)風(fēng)塔的預(yù)測(cè)都優(yōu)于GP的預(yù)測(cè)結(jié)果,說(shuō)明DBN 重構(gòu)非常穩(wěn)定且沒(méi)有損失。此外,在測(cè)風(fēng)塔7 的12 h 預(yù)測(cè)、測(cè)風(fēng)塔4 和8 的72 h 預(yù)測(cè)上,DBN 重構(gòu)后的結(jié)果都有相當(dāng)明顯的改善,最大改善達(dá)到了0.55 m/s。這些測(cè)風(fēng)塔的預(yù)測(cè)誤差明顯高于其他測(cè)風(fēng)塔,但經(jīng)過(guò)DBN 重構(gòu)修正,預(yù)測(cè)誤差降到了平均水準(zhǔn),說(shuō)明DBN 對(duì)較差的預(yù)測(cè)結(jié)果有更為明顯的改善。

    圖3 展示了測(cè)風(fēng)塔8 的72 h 預(yù)測(cè)結(jié)果在DBN 重構(gòu)前后的變化情況。圖3 的兩條曲線分別是GP 的預(yù)測(cè)誤差和DBN 重構(gòu)預(yù)測(cè)誤差的天平均,可以看到在大多數(shù)誤差較大的時(shí)段,DBN 重構(gòu)后的預(yù)測(cè)誤差顯著低于GP 預(yù)測(cè)誤差。DBN 重構(gòu)GP 測(cè)風(fēng)塔風(fēng)速預(yù)測(cè)結(jié)果的實(shí)驗(yàn)結(jié)果表明,DBN 能夠從數(shù)據(jù)中學(xué)習(xí)幾十公里間距的風(fēng)速相關(guān)性特征,并利用學(xué)習(xí)到的信息和特征來(lái)改善整個(gè)區(qū)域的風(fēng)速預(yù)測(cè)結(jié)果,對(duì)原預(yù)測(cè)比較差的情況改善尤為明顯。

    圖3 DBN 重構(gòu)前后風(fēng)速誤差曲線

    5.2 短間距風(fēng)速重構(gòu)實(shí)驗(yàn)

    相比于長(zhǎng)距離的空間相關(guān)性,短距離(小于10 km)的空間特性主要出現(xiàn)在相同風(fēng)電場(chǎng)的不同風(fēng)機(jī)之間。風(fēng)機(jī)的間隔一般小于5 km,由于風(fēng)機(jī)的運(yùn)轉(zhuǎn)也會(huì)對(duì)風(fēng)速產(chǎn)生影響,即眾所周知的尾流影響,因而短間距的風(fēng)速空間特性更為復(fù)雜。本文選取國(guó)內(nèi)某個(gè)風(fēng)場(chǎng)進(jìn)行風(fēng)速預(yù)測(cè)重構(gòu)實(shí)驗(yàn),該風(fēng)場(chǎng)包括49 個(gè)風(fēng)機(jī),風(fēng)機(jī)間隔1~5 km,每臺(tái)風(fēng)機(jī)每隔6 min 記錄一次風(fēng)速和風(fēng)電功率,時(shí)間長(zhǎng)度為1 年。選取前80%時(shí)間的記錄作為訓(xùn)練數(shù)據(jù),使用其余20%來(lái)驗(yàn)證DBN 對(duì)風(fēng)速預(yù)測(cè)的改善能力。

    從圖4 可以看到,49 個(gè)風(fēng)機(jī)的風(fēng)速預(yù)測(cè)經(jīng)過(guò)DBN重構(gòu)后均得到了改善,改善幅度為0.1~0.7 m/s,大多數(shù)風(fēng)機(jī)的風(fēng)速預(yù)測(cè)結(jié)果改善了0.4 m/s。這一結(jié)果從空間角度驗(yàn)證了DBN 的改善效果。

    圖4 風(fēng)場(chǎng)內(nèi)不同風(fēng)機(jī)風(fēng)速預(yù)測(cè)改善情況統(tǒng)計(jì)

    圖5 展示了經(jīng)過(guò)DBN 重構(gòu)后,每天風(fēng)場(chǎng)所有風(fēng)機(jī)平均風(fēng)速的預(yù)測(cè)誤差的變化情況,圖5 中標(biāo)記點(diǎn)為預(yù)測(cè)誤差的日平均變化,即errorAfterDBN-errorBeforeDBN。從圖5 中可以看出,風(fēng)場(chǎng)總平均風(fēng)速改善的天數(shù)超過(guò)了總天數(shù)的一半以上,同時(shí)在某些時(shí)期改善幅度非常大,例如第2、6、19和29 天,風(fēng)場(chǎng)平均風(fēng)速誤差下降了約2 m/s。整體來(lái)看,長(zhǎng)期上DBN 對(duì)于風(fēng)速預(yù)測(cè)的改善也很明顯。

    圖5 DBN 重構(gòu)后風(fēng)場(chǎng)平均風(fēng)速預(yù)測(cè)誤差改善情況

    圖6 中的兩條曲線分別代表風(fēng)場(chǎng)總平均風(fēng)速GP 預(yù)測(cè)和DBN 重構(gòu)后的天平均誤差。從圖6 中可以看出,第18 和23 天的單點(diǎn)預(yù)測(cè)誤差是很低的,經(jīng)過(guò)DBN 后上升到3 m/s,處于平均水平。而單點(diǎn)預(yù)測(cè)誤差很差的第3、9、29 天和誤差高于4 m/s 的天中,DBN 重構(gòu)后誤差都有了明顯下降,第29 天的預(yù)測(cè)誤差從8 m/s 下降到6 m/s。因此,雖然在預(yù)測(cè)誤差很低的情況下DBN 可能導(dǎo)致預(yù)測(cè)誤差上升,但可以極大改善風(fēng)速預(yù)測(cè)誤差很大的情況,有利于提高風(fēng)速預(yù)測(cè)的穩(wěn)定性。整體來(lái)看,DBN 對(duì)風(fēng)速預(yù)測(cè)誤差呈現(xiàn)明顯的改善效果。

    圖6 風(fēng)場(chǎng)總平均風(fēng)速預(yù)測(cè)誤差變化

    本實(shí)驗(yàn)中,風(fēng)機(jī)的運(yùn)轉(zhuǎn)使得風(fēng)的空間特性更加復(fù)雜,但DBN 通過(guò)數(shù)據(jù)依然能夠捕捉到相關(guān)規(guī)律,進(jìn)而優(yōu)化單點(diǎn)預(yù)測(cè)的結(jié)果,平均改善幅度達(dá)到0.4 m/s。相比5.1 節(jié)長(zhǎng)間距情況下平均改善0.185 m/s 的結(jié)果,說(shuō)明距離越近,風(fēng)速的空間內(nèi)在規(guī)律和約束程度越強(qiáng),DBN 的優(yōu)化潛力也越大。

    6 結(jié)論

    本文比較了目前主流的單點(diǎn)風(fēng)速預(yù)測(cè)算法,分析了它們的不足之處,進(jìn)一步提出了利用深度置信網(wǎng)絡(luò)學(xué)習(xí)風(fēng)速的空間特性規(guī)律和約束來(lái)改善風(fēng)速預(yù)測(cè)結(jié)果的方法。通過(guò)實(shí)驗(yàn)和分析,主要結(jié)論如下:

    (1)基于單點(diǎn)的風(fēng)速預(yù)測(cè)模型中,高斯過(guò)程(GP)的預(yù)測(cè)誤差最低,并且預(yù)測(cè)性能穩(wěn)定,在所有單點(diǎn)預(yù)測(cè)試驗(yàn)中均表現(xiàn)優(yōu)異;

    (2)DBN 能夠充分學(xué)習(xí)和挖掘風(fēng)速的空間分布規(guī)律和相關(guān)性特征,并且適用于不同間距(1~60 km)的情況;

    (3)DBN 能夠利用學(xué)習(xí)到的規(guī)律重構(gòu)和改善風(fēng)速預(yù)測(cè),重構(gòu)后的每個(gè)地點(diǎn)的預(yù)測(cè)誤差最大降低0.7 m/s,平均降低0.4 m/s;

    (4)DBN 對(duì)于預(yù)測(cè)比較差的情況改善尤為明顯,改善幅度甚至可以達(dá)到2 m/s,這對(duì)于提高風(fēng)速預(yù)測(cè)的穩(wěn)定性有著重要的意義;

    (5)DBN 在改善一些地點(diǎn)的預(yù)測(cè)的時(shí)候并不會(huì)增加其他地點(diǎn)的預(yù)測(cè)誤差;

    (6)DBN 存在降低高質(zhì)量單點(diǎn)預(yù)測(cè)精度的現(xiàn)象,這可能源于多點(diǎn)風(fēng)速預(yù)測(cè)誤差的不一致,改進(jìn)方案值得進(jìn)一步深入研究。

    猜你喜歡
    單點(diǎn)風(fēng)速重構(gòu)
    長(zhǎng)城敘事的重構(gòu)
    攝影世界(2022年1期)2022-01-21 10:50:14
    基于Kmeans-VMD-LSTM的短期風(fēng)速預(yù)測(cè)
    基于最優(yōu)TS評(píng)分和頻率匹配的江蘇近海風(fēng)速訂正
    歷元間載波相位差分的GPS/BDS精密單點(diǎn)測(cè)速算法
    超薄異型坯連鑄機(jī)非平衡單點(diǎn)澆鑄實(shí)踐與分析
    山東冶金(2019年5期)2019-11-16 09:09:10
    北方大陸 重構(gòu)未來(lái)
    北京的重構(gòu)與再造
    商周刊(2017年6期)2017-08-22 03:42:36
    數(shù)字電視地面?zhèn)鬏斢脝晤l網(wǎng)與單點(diǎn)發(fā)射的效果比較
    論中止行為及其對(duì)中止犯的重構(gòu)
    基于GARCH的短時(shí)風(fēng)速預(yù)測(cè)方法
    在线播放无遮挡| 久久国产亚洲av麻豆专区| 亚洲第一av免费看| 亚洲国产精品一区三区| 亚洲精品亚洲一区二区| 九草在线视频观看| 美女视频免费永久观看网站| 天堂8中文在线网| 日韩制服骚丝袜av| 精品人妻偷拍中文字幕| 日韩在线高清观看一区二区三区| 中文字幕免费在线视频6| 在线免费十八禁| 亚洲国产精品一区三区| 亚洲精品色激情综合| 永久网站在线| 亚洲av成人精品一区久久| 国产精品国产三级国产专区5o| 国产黄片视频在线免费观看| 一级毛片 在线播放| 99re6热这里在线精品视频| 国产v大片淫在线免费观看| 偷拍熟女少妇极品色| 久久久成人免费电影| 街头女战士在线观看网站| 国产av精品麻豆| 免费看不卡的av| 国产91av在线免费观看| 毛片一级片免费看久久久久| 久久久国产一区二区| 深夜a级毛片| av天堂中文字幕网| 99久久精品一区二区三区| 狠狠精品人妻久久久久久综合| 亚洲欧美一区二区三区国产| 中国国产av一级| 中国三级夫妇交换| 日本与韩国留学比较| 肉色欧美久久久久久久蜜桃| 97超碰精品成人国产| 久热久热在线精品观看| a 毛片基地| 黄色怎么调成土黄色| 2018国产大陆天天弄谢| 国产精品秋霞免费鲁丝片| 亚洲真实伦在线观看| 亚洲在久久综合| 天堂俺去俺来也www色官网| 国精品久久久久久国模美| 久久久亚洲精品成人影院| 成人午夜精彩视频在线观看| 亚洲成人手机| a 毛片基地| 有码 亚洲区| 欧美日韩精品成人综合77777| 男女免费视频国产| 亚洲经典国产精华液单| 久久久久久久久久成人| 国产亚洲av片在线观看秒播厂| 黑人猛操日本美女一级片| 亚洲精品aⅴ在线观看| 在线精品无人区一区二区三 | 少妇的逼水好多| 国产91av在线免费观看| 国产精品国产三级国产专区5o| 夜夜骑夜夜射夜夜干| 日日摸夜夜添夜夜爱| 国产视频首页在线观看| 日韩制服骚丝袜av| 最黄视频免费看| 男女边摸边吃奶| .国产精品久久| 国产精品人妻久久久久久| 亚洲av成人精品一区久久| 亚洲图色成人| 国产精品久久久久久精品古装| 国产老妇伦熟女老妇高清| 最后的刺客免费高清国语| 噜噜噜噜噜久久久久久91| 日本午夜av视频| 男人舔奶头视频| 全区人妻精品视频| 黄色日韩在线| 高清视频免费观看一区二区| 亚洲人成网站高清观看| 亚洲精品乱码久久久v下载方式| 国产精品久久久久久精品古装| 欧美3d第一页| 99热6这里只有精品| 熟女人妻精品中文字幕| 毛片女人毛片| 久久国产亚洲av麻豆专区| 久久久久久久精品精品| 舔av片在线| 亚洲自偷自拍三级| 草草在线视频免费看| av播播在线观看一区| 两个人的视频大全免费| 亚洲第一区二区三区不卡| 亚洲无线观看免费| 日韩欧美一区视频在线观看 | 国产免费视频播放在线视频| a级毛片免费高清观看在线播放| 我的女老师完整版在线观看| 日韩精品有码人妻一区| 欧美亚洲 丝袜 人妻 在线| 日韩欧美 国产精品| 寂寞人妻少妇视频99o| 最近中文字幕2019免费版| 亚洲久久久国产精品| 国产精品人妻久久久久久| 久久精品熟女亚洲av麻豆精品| 亚洲av成人精品一区久久| 99久久人妻综合| 久久人人爽人人片av| 狂野欧美激情性bbbbbb| 在现免费观看毛片| 美女cb高潮喷水在线观看| 久久午夜福利片| av国产久精品久网站免费入址| 卡戴珊不雅视频在线播放| 校园人妻丝袜中文字幕| 一区二区三区四区激情视频| 青春草亚洲视频在线观看| 激情 狠狠 欧美| 久久久久人妻精品一区果冻| 精品一区在线观看国产| 久久ye,这里只有精品| 色哟哟·www| 777米奇影视久久| 亚洲国产精品专区欧美| 精品久久久久久电影网| 日本av免费视频播放| 亚洲美女黄色视频免费看| 蜜臀久久99精品久久宅男| 亚洲欧美精品专区久久| 亚洲真实伦在线观看| av播播在线观看一区| 日本av免费视频播放| 日韩中字成人| 免费观看a级毛片全部| 日产精品乱码卡一卡2卡三| 亚洲欧美一区二区三区黑人 | 夫妻午夜视频| 国产精品三级大全| 丰满乱子伦码专区| 丰满迷人的少妇在线观看| 国产欧美另类精品又又久久亚洲欧美| 国产成人精品婷婷| 欧美日韩在线观看h| 亚洲色图av天堂| 人人妻人人爽人人添夜夜欢视频 | 精品人妻熟女av久视频| 91精品国产国语对白视频| 免费观看无遮挡的男女| 国产成人a∨麻豆精品| 精品久久久久久久末码| 亚洲va在线va天堂va国产| 日韩亚洲欧美综合| 国产 精品1| 欧美丝袜亚洲另类| 日本黄色片子视频| 99热这里只有是精品在线观看| 最近的中文字幕免费完整| 久久久久性生活片| 免费黄网站久久成人精品| 久久精品国产亚洲av天美| 久久久久久久久久久丰满| 18禁动态无遮挡网站| 中文字幕亚洲精品专区| 精品亚洲乱码少妇综合久久| 久久久a久久爽久久v久久| 午夜免费观看性视频| kizo精华| 看十八女毛片水多多多| 制服丝袜香蕉在线| 中文天堂在线官网| 欧美日韩在线观看h| 久久99热这里只有精品18| 草草在线视频免费看| 高清日韩中文字幕在线| 色婷婷av一区二区三区视频| 国产成人91sexporn| 久久久久久伊人网av| www.色视频.com| 一级片'在线观看视频| 国产高清国产精品国产三级 | 国产一区有黄有色的免费视频| av专区在线播放| 精品少妇黑人巨大在线播放| 九草在线视频观看| 夜夜看夜夜爽夜夜摸| 免费观看在线日韩| 成人毛片a级毛片在线播放| 日韩欧美 国产精品| 亚洲精品日韩在线中文字幕| 国产精品国产三级专区第一集| 美女主播在线视频| 亚洲国产精品专区欧美| 国产男女内射视频| 在线观看国产h片| 国产免费视频播放在线视频| 我要看黄色一级片免费的| 国产精品熟女久久久久浪| 在线免费观看不下载黄p国产| 久久久久性生活片| 青春草国产在线视频| 美女视频免费永久观看网站| 亚洲精品一区蜜桃| h视频一区二区三区| 夜夜爽夜夜爽视频| 中国美白少妇内射xxxbb| av天堂中文字幕网| 午夜福利网站1000一区二区三区| 夜夜看夜夜爽夜夜摸| 亚洲av国产av综合av卡| av在线观看视频网站免费| 亚洲精品日韩av片在线观看| www.色视频.com| 有码 亚洲区| 日日摸夜夜添夜夜爱| 国语对白做爰xxxⅹ性视频网站| 最后的刺客免费高清国语| 一级黄片播放器| 国产大屁股一区二区在线视频| 亚洲av成人精品一区久久| 亚洲无线观看免费| 一个人看的www免费观看视频| 男的添女的下面高潮视频| 亚洲欧美精品专区久久| 草草在线视频免费看| 丰满乱子伦码专区| 嫩草影院入口| 日韩一区二区三区影片| 97在线人人人人妻| 最近最新中文字幕大全电影3| 建设人人有责人人尽责人人享有的 | 久久亚洲国产成人精品v| 在线观看免费视频网站a站| 99热这里只有是精品50| 国产亚洲av片在线观看秒播厂| 日韩 亚洲 欧美在线| 日韩欧美精品免费久久| 国产中年淑女户外野战色| 妹子高潮喷水视频| 黄色欧美视频在线观看| 国产在线视频一区二区| 精品熟女少妇av免费看| 亚洲欧美精品专区久久| 一边亲一边摸免费视频| 少妇的逼好多水| 多毛熟女@视频| 女人十人毛片免费观看3o分钟| 国模一区二区三区四区视频| 久久久久国产精品人妻一区二区| 亚洲国产成人一精品久久久| av在线老鸭窝| 久久精品国产亚洲av涩爱| 女人久久www免费人成看片| 亚洲电影在线观看av| 日本av免费视频播放| 又粗又硬又长又爽又黄的视频| 免费观看无遮挡的男女| 国产片特级美女逼逼视频| 久久久久久人妻| 久久久欧美国产精品| 老司机影院毛片| 国产亚洲5aaaaa淫片| 国产亚洲91精品色在线| 青春草亚洲视频在线观看| 婷婷色综合www| 日本黄色片子视频| 蜜桃亚洲精品一区二区三区| 亚洲精品一区蜜桃| 中文资源天堂在线| 日本免费在线观看一区| 只有这里有精品99| 国产一区亚洲一区在线观看| 国产高清国产精品国产三级 | 日日啪夜夜爽| 亚洲无线观看免费| 国产精品一区二区性色av| 观看av在线不卡| 精品久久久久久久久av| 国产高清有码在线观看视频| 欧美xxxx性猛交bbbb| 尤物成人国产欧美一区二区三区| 尾随美女入室| 人妻夜夜爽99麻豆av| 亚洲怡红院男人天堂| 视频中文字幕在线观看| 亚洲国产色片| 国产在线一区二区三区精| 久久av网站| 午夜福利高清视频| 一区二区av电影网| 午夜免费鲁丝| 麻豆乱淫一区二区| 国产淫语在线视频| 看十八女毛片水多多多| 亚洲欧美日韩无卡精品| 亚洲国产欧美在线一区| 一本久久精品| 伊人久久国产一区二区| 99re6热这里在线精品视频| 91午夜精品亚洲一区二区三区| 亚洲国产av新网站| 国产精品精品国产色婷婷| 免费观看的影片在线观看| 美女视频免费永久观看网站| 免费看不卡的av| 边亲边吃奶的免费视频| 亚洲怡红院男人天堂| 国精品久久久久久国模美| 久久久久性生活片| 日韩一区二区视频免费看| 亚洲国产高清在线一区二区三| 一区二区av电影网| 久久6这里有精品| 久久久久久久大尺度免费视频| 亚洲三级黄色毛片| 最近中文字幕2019免费版| 国产精品av视频在线免费观看| 视频中文字幕在线观看| 97精品久久久久久久久久精品| 国产淫语在线视频| 亚洲欧美一区二区三区黑人 | 国内精品宾馆在线| 日日啪夜夜爽| 成人高潮视频无遮挡免费网站| 亚洲精品,欧美精品| 一级片'在线观看视频| 久久国内精品自在自线图片| 午夜精品国产一区二区电影| 国产精品99久久久久久久久| 日韩一本色道免费dvd| 日韩av免费高清视频| 国产老妇伦熟女老妇高清| 日韩一区二区视频免费看| 欧美xxⅹ黑人| 日韩不卡一区二区三区视频在线| 久久6这里有精品| 嘟嘟电影网在线观看| 久久亚洲国产成人精品v| 人妻夜夜爽99麻豆av| av免费观看日本| 国产高清有码在线观看视频| 久久99热6这里只有精品| 国产乱来视频区| 欧美一级a爱片免费观看看| 久久鲁丝午夜福利片| 久久99精品国语久久久| 国产午夜精品久久久久久一区二区三区| 男女国产视频网站| 在线观看国产h片| 乱系列少妇在线播放| 汤姆久久久久久久影院中文字幕| 亚洲av男天堂| 一级毛片我不卡| 国产深夜福利视频在线观看| 成人高潮视频无遮挡免费网站| 亚洲精品久久久久久婷婷小说| 男女国产视频网站| 亚洲精品成人av观看孕妇| 日韩在线高清观看一区二区三区| 国产真实伦视频高清在线观看| 日韩强制内射视频| 中文乱码字字幕精品一区二区三区| 国产色爽女视频免费观看| 亚洲久久久国产精品| 街头女战士在线观看网站| 国产精品一区二区在线不卡| 国产 精品1| 80岁老熟妇乱子伦牲交| 22中文网久久字幕| 亚洲精品国产色婷婷电影| 人妻少妇偷人精品九色| 亚洲丝袜综合中文字幕| 亚洲av国产av综合av卡| 亚洲综合色惰| 美女xxoo啪啪120秒动态图| 国产69精品久久久久777片| 色5月婷婷丁香| 精品人妻视频免费看| 免费观看性生交大片5| 成年免费大片在线观看| 亚洲在久久综合| 一区在线观看完整版| 日日摸夜夜添夜夜爱| 亚洲图色成人| 人人妻人人澡人人爽人人夜夜| 午夜福利在线在线| 国产日韩欧美亚洲二区| 性色av一级| 亚洲,一卡二卡三卡| 国产精品免费大片| 亚洲一级一片aⅴ在线观看| 一级av片app| 毛片女人毛片| 午夜福利在线在线| 成年美女黄网站色视频大全免费 | 丰满少妇做爰视频| 亚洲av福利一区| 自拍欧美九色日韩亚洲蝌蚪91 | 纵有疾风起免费观看全集完整版| 成年美女黄网站色视频大全免费 | 欧美成人精品欧美一级黄| 成年人午夜在线观看视频| 中文乱码字字幕精品一区二区三区| 日本av手机在线免费观看| 99久久综合免费| 亚洲精品第二区| 又爽又黄a免费视频| 精品一区二区三卡| 91久久精品电影网| 精品一区二区三区视频在线| 中文天堂在线官网| 五月天丁香电影| 久久综合国产亚洲精品| 国产午夜精品一二区理论片| 一级毛片电影观看| 18+在线观看网站| 精品一区在线观看国产| 亚洲欧美成人精品一区二区| 18禁在线播放成人免费| 久久精品国产亚洲av涩爱| 天美传媒精品一区二区| 久久精品国产亚洲av涩爱| 一区二区三区四区激情视频| 国产精品.久久久| 国产成人a∨麻豆精品| 久久精品国产亚洲av涩爱| 国精品久久久久久国模美| 欧美激情极品国产一区二区三区 | 最近中文字幕2019免费版| 能在线免费看毛片的网站| 九九在线视频观看精品| av不卡在线播放| 在线看a的网站| 麻豆成人午夜福利视频| 亚洲激情五月婷婷啪啪| 亚洲精品第二区| 黄片无遮挡物在线观看| 如何舔出高潮| 国产伦精品一区二区三区视频9| 久久久久久人妻| 日本wwww免费看| 成人黄色视频免费在线看| a级毛色黄片| 只有这里有精品99| 国产精品久久久久久久久免| 最新中文字幕久久久久| 精品亚洲乱码少妇综合久久| 18禁裸乳无遮挡动漫免费视频| 久久久久久久亚洲中文字幕| 2018国产大陆天天弄谢| 人人妻人人看人人澡| 欧美性感艳星| 人妻制服诱惑在线中文字幕| av卡一久久| 精品国产露脸久久av麻豆| 国产精品久久久久成人av| 亚洲av日韩在线播放| 亚洲人与动物交配视频| av专区在线播放| 少妇高潮的动态图| 99视频精品全部免费 在线| 国产免费福利视频在线观看| 国产一区二区在线观看日韩| 国产综合精华液| 欧美性感艳星| 久久人人爽av亚洲精品天堂 | 乱系列少妇在线播放| 国产v大片淫在线免费观看| 国产精品伦人一区二区| 久久久久久久亚洲中文字幕| 九九在线视频观看精品| 日韩中字成人| 成人特级av手机在线观看| 免费黄网站久久成人精品| 久久久久久久久大av| 一级爰片在线观看| 男女国产视频网站| 国产欧美亚洲国产| 一级毛片我不卡| 三级国产精品欧美在线观看| 在线免费观看不下载黄p国产| 汤姆久久久久久久影院中文字幕| 国产一级毛片在线| www.色视频.com| 精品视频人人做人人爽| 亚洲国产精品一区三区| 国产在线免费精品| 日本一二三区视频观看| 日韩av不卡免费在线播放| 干丝袜人妻中文字幕| 日韩精品有码人妻一区| 亚洲av成人精品一区久久| 夫妻午夜视频| 在线精品无人区一区二区三 | av.在线天堂| a 毛片基地| 2022亚洲国产成人精品| 在线亚洲精品国产二区图片欧美 | 哪个播放器可以免费观看大片| 亚洲人成网站在线播| 丰满人妻一区二区三区视频av| 国产欧美日韩精品一区二区| 少妇裸体淫交视频免费看高清| 欧美+日韩+精品| 亚洲成人手机| 永久免费av网站大全| 国产精品一二三区在线看| 国产精品秋霞免费鲁丝片| 亚洲三级黄色毛片| 天美传媒精品一区二区| 日本-黄色视频高清免费观看| 秋霞在线观看毛片| 色婷婷av一区二区三区视频| 日韩一区二区视频免费看| 天美传媒精品一区二区| 亚洲欧美精品自产自拍| 啦啦啦啦在线视频资源| 高清日韩中文字幕在线| 国产成人午夜福利电影在线观看| 少妇猛男粗大的猛烈进出视频| 男女免费视频国产| 妹子高潮喷水视频| 一本色道久久久久久精品综合| 国产成人午夜福利电影在线观看| videossex国产| 久久久午夜欧美精品| 高清毛片免费看| 日韩av免费高清视频| 一个人看视频在线观看www免费| 国语对白做爰xxxⅹ性视频网站| 日韩一本色道免费dvd| 亚洲不卡免费看| 麻豆国产97在线/欧美| 国产一区二区三区综合在线观看 | 一区二区三区精品91| 国产在线一区二区三区精| 男女边吃奶边做爰视频| 国产成人精品福利久久| 亚洲国产色片| 成人国产麻豆网| 联通29元200g的流量卡| av在线播放精品| 日本黄大片高清| 亚洲av综合色区一区| 亚洲精品乱久久久久久| 高清视频免费观看一区二区| 婷婷色综合www| 国产真实伦视频高清在线观看| 久久久a久久爽久久v久久| 视频中文字幕在线观看| 天堂中文最新版在线下载| 亚洲精品456在线播放app| 成人黄色视频免费在线看| 女的被弄到高潮叫床怎么办| 亚洲美女黄色视频免费看| 国产中年淑女户外野战色| 边亲边吃奶的免费视频| 亚洲国产最新在线播放| 国产黄片美女视频| 激情 狠狠 欧美| 成人一区二区视频在线观看| 日韩不卡一区二区三区视频在线| 香蕉精品网在线| 亚洲天堂av无毛| 蜜桃亚洲精品一区二区三区| 国产黄频视频在线观看| 最近2019中文字幕mv第一页| 男女免费视频国产| 国产人妻一区二区三区在| 22中文网久久字幕| 午夜激情福利司机影院| 国产精品国产三级专区第一集| 久久精品国产亚洲网站| 国产真实伦视频高清在线观看| 极品教师在线视频| 国产精品秋霞免费鲁丝片| 18+在线观看网站| 日韩成人av中文字幕在线观看| 日韩国内少妇激情av| 久久99热这里只频精品6学生| 日本黄色日本黄色录像| 卡戴珊不雅视频在线播放| 欧美人与善性xxx| 我要看日韩黄色一级片| 18+在线观看网站| 久久人人爽av亚洲精品天堂 | 黑人猛操日本美女一级片| 精品视频人人做人人爽| 舔av片在线| 伊人久久精品亚洲午夜| 亚洲aⅴ乱码一区二区在线播放| 色网站视频免费| 毛片女人毛片| 这个男人来自地球电影免费观看 | 狂野欧美激情性bbbbbb| 久久99热这里只有精品18| 亚洲精品一二三| 国产精品久久久久成人av| 男女下面进入的视频免费午夜| 久久久精品免费免费高清| 婷婷色综合www| 26uuu在线亚洲综合色| 久久精品熟女亚洲av麻豆精品| 国模一区二区三区四区视频| 日本与韩国留学比较| 亚洲丝袜综合中文字幕| 18禁裸乳无遮挡免费网站照片| 美女主播在线视频| 赤兔流量卡办理|