• <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 ?

    基于改進Prophet算法的短期日負荷預測方法研究

    2022-10-14 02:01:56劉涅煊楊學良陶曉峰黃福興陸春艷
    電力需求側(cè)管理 2022年5期
    關鍵詞:波動趨勢負荷

    劉涅煊,楊學良,陶曉峰,黃福興,陸春艷

    (國網(wǎng)電力科學研究院有限公司(南瑞集團有限公司),南京 211106)

    0 引言

    隨著《關于進一步深化電力體制改革的若干意見(中央〔2015〕9號)》文件的逐步推進,電力系統(tǒng)負荷預測在電力生產(chǎn)部分指定發(fā)電計劃及售電公司參與現(xiàn)貨市場的工作中起關鍵作用。精準的負荷預測有利于提高電網(wǎng)運行的穩(wěn)定性,降低電力成本,提高企業(yè)的整體效益[1]。

    國內(nèi)外研究者已對電力負荷數(shù)據(jù)預測的理論及方法進行了大量研究,整體分為兩大類常用方法,一類是基于傳統(tǒng)的時間序列法構(gòu)建預測模型;另一類方法基于機器學習來實現(xiàn)[2]。前者的代表算法有差分整合移動平均自回歸模型(autoregressive integrated moving average model,ARIMA)及其衍生的各類改進算法[3],它要求時序數(shù)據(jù)或其差分數(shù)據(jù)是穩(wěn)定的,且在差分運算時提取的是固定周期的信息,這難以符合現(xiàn)實數(shù)據(jù)的情況,因此這類方法預測的效果普遍難以令人滿意;后者通常是以神經(jīng)網(wǎng)絡為代表的機器學習來實現(xiàn)負荷預測,典型的如BP 神經(jīng)網(wǎng)絡[4—5]、長短記憶神經(jīng)網(wǎng)絡(long short-term memory,LSTM)[6—7]、卷積神經(jīng)網(wǎng)絡(convolutional networks,CNN)[8]、隨機森林[9]等以及在此基礎上的各種改進方法,這類算法往往需要較多的專業(yè)背景知識,此外通過特征工程為數(shù)據(jù)預測提供非電氣數(shù)據(jù)特征,如溫度、濕度、電價、日期等[10],目前這類算法已經(jīng)成為負荷預測的主流,以此構(gòu)建模型的預測結(jié)果更加準確但需要樣本數(shù)量多、算例要求高、調(diào)參過程復雜、參數(shù)對效果影響大[11],因此在實際應用中還難以真正實用化,需要進一步探索更加有效的預測方式。

    Prophet 是Facebook 公司于2017 年提出的一種基于時間序列分解和機器學習的新型時間序列預測算法[12]。它被設計用于大規(guī)模數(shù)據(jù)預測,具備模型參數(shù)選擇直觀、擬合效率高、缺失值無需人為填充的優(yōu)點,便于使用者簡單、靈活地構(gòu)建預測模型并獲得較好的預測結(jié)果。目前Prophet 算法已被應用于空氣質(zhì)量預測[13]、產(chǎn)品銷量預測[14],銀行網(wǎng)點備付金預測[15]等多個場景下,體現(xiàn)出較強的適用性和準確性。受前人相關研究的啟發(fā),本文嘗試將Prophet算法引入負荷預測領域,并結(jié)合機器學習的方法對其進行改進,提升短期負荷預測的準確性。本文使用電網(wǎng)公司提供的負荷數(shù)據(jù)實驗論證本文提出的預測模型的有效性。

    1 基于Prophet的負荷預測算法研究

    1.1 Prophet算法研究

    Prophet算法本質(zhì)上按照曲線擬合的思路看待預測的問題,通過觀察歷史數(shù)據(jù),建立了一種可加回歸模型,該模型由有歷史數(shù)據(jù)的趨勢項、周期項、節(jié)日項、隨機波動項之和來表示。對于趨勢項,該算法支持自動檢測或人工設置轉(zhuǎn)變點,實現(xiàn)數(shù)據(jù)趨勢的分段擬合;對于周期項,該算法使用傅里葉級數(shù)建模而成;節(jié)日項則是通過人為設置實現(xiàn)對數(shù)據(jù)走向產(chǎn)生影響的重大節(jié)日、特殊活動進行建模。綜上,Prophet對時間序列建模如式(1)表示

    式中:Di為第i個節(jié)假日前后一段時間;k符合期望為0;方差為v2的正態(tài)分布;v為默認值10,該值越大,則節(jié)日模型對Prophet算法的影響越大,反之則影響越小。若不關心節(jié)日的影響,模型中可不加入此項。

    第四項,ε為誤差項或隨機波動項,表征模型中除了趨勢、周期性性變化之外并未考慮到的因素給時間序列帶來的波動,在Prophet 算法的實現(xiàn)中,通過迭代計算符合高斯分布的概率密度函數(shù)對隨機波動項進行估計。本文對原算法中隨機估計的方法進行改進,基于XGBoost 訓練數(shù)據(jù)中隨機波動項的潛在規(guī)律預測序列的隨機波動項。

    Prophet算法根據(jù)訓練數(shù)據(jù)對上述幾項分別進行擬合,計算待預測時間點的數(shù)值并疊加獲得對應的預測值。

    1.2 XGBoost算法研究

    XGBoost 算法是一種被廣泛認可的集成學習模型,它對梯度提升決策樹改進,對損失函數(shù)進行二階泰勒展開,對目標函數(shù)增加了正則化項,在目標函數(shù)的下降和模型復雜程度之間做出權(quán)衡,提升模型效率的同時避免出現(xiàn)過擬合。區(qū)別于其他Boosting算法,XGBoost不僅隨機抽取一定比例的樣本點進行當次學習,而且在每次抽樣的過程中同樣對樣本的特征進行抽樣,將測試數(shù)據(jù)的特征輸入模型,得到預測結(jié)果。并且XGBoost支持多線程運算,訓練與預測效率高。

    本文將XGBoost 用于預測Prophet 算法的隨機波動項,實現(xiàn)步驟如下。

    (1)給定數(shù)據(jù)集D={ }(xi,yi) ,其中i=1,2,…n,xi∈RP,yi∈R,n為樣本個數(shù),每個樣本有P個特征。假設有K個決策樹,xi為第i個數(shù)據(jù)點的特征向量,fk為一棵決策樹,F(xiàn)為決策數(shù)的集合,則模型可以表示為

    (6)利用貪婪算法,從一個葉節(jié)點開始迭代地向樹結(jié)構(gòu)添加分支,逐層計算決策樹的參數(shù),使目標函數(shù)達到最小值,利用驗證集檢測模型訓練過程是否達到目標,否則繼續(xù)優(yōu)化參數(shù)直到達到較好效果保存模型。

    本文研究的數(shù)據(jù)集中,僅包含日凍結(jié)數(shù)據(jù)及其時間信息,按照表1 的方式從數(shù)據(jù)集中提取用于XGBoost模型訓練學習的特征。

    表1 XGBoost模型選用的特征Table 1 Features used in XGBoost algorithm

    1.3 基于XGBoost改進Prophet算法研究

    Prophet算法在構(gòu)建過程中,將時間序列分解為4部分,本文研究對象為專公變用戶的日凍結(jié)負荷預測,一方面考慮到大部分工廠的生產(chǎn)線在普通節(jié)假日是不停工的,節(jié)日對用電量的影響不是非常顯著,另一方面為了簡化模型,提升模型的適應性,本文暫不考慮節(jié)日項,將Prophet算法簡化為

    y(t)=g(t)+s(t)+ε(t) (12)

    從式(12)可以發(fā)現(xiàn),利用歷史時間序列對Prophet 算法訓練,可以得到g(t)和s(t),選取臨近預測序列的一段時間序列作為驗證序列,帶入該驗證序列中的時間點亦可獲得模型在這一段時間的趨勢項和周期項,從驗證序列中減去模型估計得趨勢項和周期項即可得到隨機波動序列

    ε(t)=y(t)-g(t)-s(t) (13)

    顯然,因為原算法中通過迭代計算符合高斯分布的概率密度函數(shù)來估計隨機波動項難以很好的擬合ε(t)。因此,本文將XGBoost算法引入Prophet預測模型中,期望利用機器學習的方法,挖掘待預測序列前面臨近一段時間的隨機波動項的潛在規(guī)律,生成隨機波動項的預測模型,以此實現(xiàn)隨機波動項的預測,再與Prophet算法預測的趨勢項和周期項疊加,得到最終的預測結(jié)果。上述算法架構(gòu)如圖1所示。

    圖1 改進Prophet算法的架構(gòu)Fig.1 Architecture of the optimized Prophet algorithm

    如圖1 所示,待預測序列的隨機波動項替換為XGBoost 算法預測的結(jié)果,按照此方式構(gòu)建預測模型的優(yōu)點在于:①利用XGBoost 高效計算取代原先的迭代計算,提升計算效率;②引入機器學習的方法探索隨機波動序列中潛在規(guī)律,提升模型的可描述性及預測準確性。

    2 改進Prophet算法的構(gòu)建

    本文提出的改進Prophet 日負荷預測模型構(gòu)建流程如圖2所示。

    圖2 基于改進Prophet算法的預測模型Fig.2 Power forecast with optimized Prophet algorithm

    (1)利用Prophet 算法對輸入的歷史時間序列進行分解,將序列分解為趨勢項、周期項、隨機波動項3部分;

    (2)用原始Prophet 算法對帶預測序列的趨勢項、周期項進行預測;

    (3)用Prophet 算法對臨近預測序列的一段驗證序列計算其趨勢項、周期項,用驗證序列的原始數(shù)據(jù)減去趨勢項和周期項,得到隨機波動項;

    (4)用驗證序列的隨機波動項作為XGBoost算法的輸入,對待預測序列的隨機波動項進行預測;

    (5)合并Prophet算法預測得到的趨勢項、周期項,以及XGBoost算法預測得到的隨機波動項,獲得待預測序列的預測結(jié)果。

    對預測結(jié)果采用負荷預測常用的均方根誤差(root mean square error,RMSE)、平均絕對誤差百分比(mean absolute percentage error,MAPE)指標進行評估,尋求最佳參數(shù),各項指標的計算方法如下

    式中:Fi為真實值;Ti為預測值。

    改進Prophet算法涉及的主要參數(shù)及說明如表2所示。

    表2 改進Prophet算法涉及的主要參數(shù)Table 2 Parameters of optimized Prophet algorithm

    3 實驗驗證

    3.1 數(shù)據(jù)來源

    為驗證本文提出的改進Prophet 負荷預測算法的有效性,本文使用的數(shù)據(jù)來自某省電力公司用電信息采集系統(tǒng)提供的部分專變大用戶的每天日凍結(jié)負荷電量數(shù)據(jù)。時間范圍為2018 年1 月1 日至2021年12月31日,提取用戶樣本總計1 969戶。

    3.2 預測模型測試

    采用本文提出的改進Prophet算法,用一例樣本的2018 年1 月1 日 至2021 年7 月31 日 的 日 凍 結(jié) 數(shù)據(jù)作為訓練序列,對之后10天的日凍結(jié)數(shù)據(jù)進行短期預測。首先觀察其2018年1月1日至2021年1月1日的日凍結(jié)電量曲線如圖3所示。

    圖3 日用電量曲線Fig.3 Curve of daily electric consumption

    從圖3 看,工業(yè)用戶的用電行為具備一定的周期性變化的特征,以一年/半年為周期的變化尤其明顯,如上圖紅色虛線標注所示。Prophet算法支持人為設置變化點,因此對于該案例,本文設置每年的1月1 日和7 月1 日作為變化點,輔助Prophet 更加精確的識別變化點的位置。用Prophet 算法對訓練序列進行分解并預測未來10天的趨勢項與周期項,如圖4所示。

    圖4 Prophet預測的趨勢項和周期項Fig.4 Trend item and seasonal item forecast by Prophet

    Prophet算法可以將時間序列分解后,預測得出的趨勢項圖4(a),周期項(包括年、月、周這幾個尺度,如圖4(b)、4(c)、4(d))。對于驗證序列而言,用驗證序列的原始值減去對應時刻的趨勢項和周期項,可獲得對應時刻上的隨機波動項,如圖5所示。

    圖5 基于XGBoost預測的隨機波動項Fig.5 Random item forecast by XGBoost

    如圖5 所示,在本研究案例中選取的驗證序列為紅色虛線之前的部分(即2021 年6 月1 日至7 月31 日日凍結(jié)負荷數(shù)據(jù))即為驗證序列的隨機波動項。利用驗證序列的隨機波動序列及相關特征,預測得到待預測序列的隨機波動項,如圖5 紅色虛線右邊所示。將圖4 中待預測序列的趨勢項、周期項與圖5中隨機波動項合并,即可得到改進Prophet 算法的最終預測結(jié)果。改進的Prophet算法中,較重要的一項參數(shù)即XGBoost 算法訓練樣本集的大小,即驗證序列的長度。從圖5 的隨機波動項的曲線來看,沒有明顯的規(guī)律性特征。本文認為,與待預測序列鄰近日期的數(shù)據(jù)參考意義較大,數(shù)據(jù)之間存在較強的相關性,若選擇的訓練樣本過多,會給XGBoost 算法帶來較多與待預測序列關聯(lián)性不大的數(shù)據(jù),干擾模型對數(shù)據(jù)規(guī)律的判斷;若選擇的訓練樣本過少,則XGBoost算法難以學習到足夠的內(nèi)容,導致模型擬合效果較差。因此,本文研究了驗證序列長度對改進Prophet預測算法效果的影響,從MAPE、RMSE指標入手進行對比,如圖6所示。

    圖6中,橫坐標為驗證序列長度,可以看到訓練樣本長度(從30 到360,間隔30)的變化對RMSE(圖6(a))、MAPE(圖6(b))的影響。從曲線上可以很明顯的看出,當驗證序列的長度取60(即60 天的日凍結(jié)電量),預測誤差指標均達到最低;驗證樣本長度取30時誤差較大,驗證樣本長度取60以上時,誤差指標的數(shù)值隨著驗證樣本增長而變大,這與本文的推斷結(jié)果一致。

    圖6 驗證序列長度對預測準確率的影響Fig.6 RMSE and MAPE effected by testing sample length

    3.3 預測效果對比

    對于3.2 節(jié)研究的算例,將原始的Prophet 算法預測結(jié)果與本文提出的改進方法進行對比,2021年8 月1 日到8 月10 日的用電量真實值和預測值曲線如圖7所示。

    圖7 Prophet算法改進前后對比Fig.7 Comparison of original and optimized Prophet

    從圖7 可以觀察到,改進后的Prophet 算法預測序列曲線較Prophet原始算法更貼近真實值曲線,誤差明顯比原始的Prophet算法預測結(jié)果更小,算法改進前后的MAPE分別為7.12%與4.73%。改進Prophet算法與原始算法預測指標對比如表3所示

    表3 改進Prophet算法與原始算法預測指標對比Table 3 Comparison of the optimized and original prophet

    從表3 中可以發(fā)現(xiàn),在此應用場景下,改進Prophet算法確實可以有效提升負荷預測的準確性,3 個時段分別比原始的Prophet 算法MAPE提升1.53%、2.5%、1.14%,RMSE顯著低于其他兩種算法的預測結(jié)果,改進后的算法對3 個時段預測的RMSE降低幅度達21.77%、30.79%、22.41%,可以認為本文提出的改進Prophet 算法可以較原始的Prophet取得更優(yōu)秀的預測結(jié)果。

    4 結(jié)束語

    本文提出了一種適用于日負荷電量短期預測的算法,通過對Prophet 算法進行改進,利用Prophet算法對時間序列分解、預測,并引入XGBoost算法單獨對隨機波動項分量進行預測,對預測的結(jié)果進行集成,通過現(xiàn)場實際數(shù)據(jù)驗證本文提出的改進算法的有效性。實驗結(jié)果表明,通過改進Prophet算法能夠切實有效地提升日負荷電能量短期預測的準確性,平均絕對誤差僅為4.64%,較原始的Prophet 算法的MAPE可降低2.5%,RMSE也可顯著降低。在實驗過程中發(fā)現(xiàn)計算效率較高,具備較高的工程實用價值。下一步將拓展研究范圍,收集更多用戶的分時用電數(shù)據(jù),并且嘗試其他的模型集成方法,實現(xiàn)更精準的負荷數(shù)據(jù)預測。D

    猜你喜歡
    波動趨勢負荷
    趨勢
    羊肉價回穩(wěn) 后期不會大幅波動
    微風里優(yōu)美地波動
    中國化肥信息(2019年3期)2019-04-25 01:56:16
    干濕法SO2排放波動對比及分析
    初秋唇妝趨勢
    Coco薇(2017年9期)2017-09-07 21:23:49
    防止過負荷時距離保護誤動新判據(jù)
    主動降負荷才是正經(jīng)事
    SPINEXPO?2017春夏流行趨勢
    負荷跟蹤運行下反應堆一回路控制系統(tǒng)仿真與驗證
    久热这里只有精品99| 天堂中文最新版在线下载| 十八禁人妻一区二区| 亚洲综合色网址| 国产在视频线精品| 韩国精品一区二区三区| 在线天堂中文资源库| 亚洲国产欧美一区二区综合| 国产精品免费大片| 侵犯人妻中文字幕一二三四区| 啦啦啦免费观看视频1| 91成年电影在线观看| 男人操女人黄网站| 久久久久精品国产欧美久久久| 热99国产精品久久久久久7| 三上悠亚av全集在线观看| 日本精品一区二区三区蜜桃| 桃红色精品国产亚洲av| 淫妇啪啪啪对白视频| 手机成人av网站| 亚洲国产精品sss在线观看 | 国产91精品成人一区二区三区| 最近最新中文字幕大全免费视频| 91麻豆av在线| 亚洲一区中文字幕在线| 两个人免费观看高清视频| 国产成人精品无人区| 在线av久久热| 丝袜美足系列| 国产高清视频在线播放一区| 午夜福利免费观看在线| 亚洲免费av在线视频| 精品高清国产在线一区| 精品亚洲成国产av| 日韩视频一区二区在线观看| 国产精品亚洲av一区麻豆| 一级毛片精品| 好男人电影高清在线观看| 99在线人妻在线中文字幕 | 大型黄色视频在线免费观看| 黄色视频不卡| aaaaa片日本免费| 国产成人精品久久二区二区免费| 精品久久久久久,| 国内毛片毛片毛片毛片毛片| 老司机福利观看| 老司机深夜福利视频在线观看| 国产日韩欧美亚洲二区| 男女免费视频国产| 国产精品欧美亚洲77777| 色老头精品视频在线观看| tube8黄色片| 国产伦人伦偷精品视频| 久久久久久亚洲精品国产蜜桃av| 757午夜福利合集在线观看| 亚洲欧美色中文字幕在线| 久久人妻福利社区极品人妻图片| 欧美另类亚洲清纯唯美| 日韩中文字幕欧美一区二区| 国产精品九九99| 免费观看a级毛片全部| 黄色怎么调成土黄色| 在线观看www视频免费| 亚洲成人国产一区在线观看| 国产熟女午夜一区二区三区| 国产成人av激情在线播放| 激情视频va一区二区三区| 日韩欧美三级三区| 亚洲五月婷婷丁香| 亚洲色图综合在线观看| av线在线观看网站| 免费高清在线观看日韩| 极品人妻少妇av视频| 欧美日韩国产mv在线观看视频| 极品少妇高潮喷水抽搐| 久久久久久久精品吃奶| 精品第一国产精品| 免费在线观看影片大全网站| 99精国产麻豆久久婷婷| 亚洲国产中文字幕在线视频| 国产精品免费视频内射| 99在线人妻在线中文字幕 | 国产又爽黄色视频| 日韩大码丰满熟妇| 日日摸夜夜添夜夜添小说| 国产欧美日韩一区二区三区在线| 免费观看人在逋| 欧美黄色淫秽网站| 97人妻天天添夜夜摸| 午夜福利一区二区在线看| 这个男人来自地球电影免费观看| 亚洲精品国产区一区二| 日韩三级视频一区二区三区| 国产区一区二久久| 欧美乱色亚洲激情| 国产无遮挡羞羞视频在线观看| 老熟妇乱子伦视频在线观看| 国产亚洲精品一区二区www | videosex国产| 亚洲精品中文字幕一二三四区| а√天堂www在线а√下载 | 精品久久久精品久久久| 日本黄色视频三级网站网址 | 久久久国产成人精品二区 | 亚洲色图综合在线观看| 国产精品免费视频内射| 涩涩av久久男人的天堂| 高清视频免费观看一区二区| 51午夜福利影视在线观看| 别揉我奶头~嗯~啊~动态视频| av网站在线播放免费| 精品少妇久久久久久888优播| 老熟妇乱子伦视频在线观看| 亚洲av成人不卡在线观看播放网| 亚洲国产精品一区二区三区在线| 9色porny在线观看| 一进一出抽搐gif免费好疼 | 国产男女内射视频| 飞空精品影院首页| 满18在线观看网站| 国产精品一区二区免费欧美| 免费黄频网站在线观看国产| 桃红色精品国产亚洲av| 午夜福利影视在线免费观看| 两个人免费观看高清视频| 亚洲五月婷婷丁香| 国产免费男女视频| 在线免费观看的www视频| 午夜精品在线福利| 色婷婷久久久亚洲欧美| 人人妻人人爽人人添夜夜欢视频| 国产成人免费观看mmmm| 国产精品亚洲一级av第二区| 天天添夜夜摸| 精品午夜福利视频在线观看一区| 亚洲精品一卡2卡三卡4卡5卡| 亚洲精品一二三| av福利片在线| 国产在视频线精品| 午夜福利一区二区在线看| 久久午夜亚洲精品久久| 热99国产精品久久久久久7| av视频免费观看在线观看| 欧美乱妇无乱码| 在线国产一区二区在线| 他把我摸到了高潮在线观看| 国产成人免费观看mmmm| 久久久久久免费高清国产稀缺| 亚洲熟妇熟女久久| 美女扒开内裤让男人捅视频| 大型黄色视频在线免费观看| 18禁美女被吸乳视频| 男女高潮啪啪啪动态图| 涩涩av久久男人的天堂| 午夜精品在线福利| 99国产精品一区二区三区| 热99久久久久精品小说推荐| 操美女的视频在线观看| 激情视频va一区二区三区| 久久国产精品大桥未久av| 老司机福利观看| 热re99久久精品国产66热6| 90打野战视频偷拍视频| 夫妻午夜视频| 国产在线一区二区三区精| 久久99一区二区三区| 亚洲欧洲精品一区二区精品久久久| 999精品在线视频| 久久中文字幕一级| 亚洲精品久久午夜乱码| avwww免费| 久久午夜亚洲精品久久| av电影中文网址| 欧美在线黄色| 久久精品人人爽人人爽视色| 国产一区二区三区在线臀色熟女 | 免费高清在线观看日韩| 日韩人妻精品一区2区三区| 欧美一级毛片孕妇| av电影中文网址| 国产男靠女视频免费网站| 国产成人精品在线电影| 99热国产这里只有精品6| 淫妇啪啪啪对白视频| 久久香蕉精品热| av视频免费观看在线观看| 免费人成视频x8x8入口观看| 老司机午夜福利在线观看视频| 韩国av一区二区三区四区| 韩国精品一区二区三区| 国产精品.久久久| 成年人黄色毛片网站| 9191精品国产免费久久| 日韩欧美三级三区| 校园春色视频在线观看| 黄色 视频免费看| 天堂中文最新版在线下载| xxx96com| 日韩 欧美 亚洲 中文字幕| 成年人黄色毛片网站| 亚洲专区字幕在线| 老汉色av国产亚洲站长工具| 成人18禁在线播放| 亚洲全国av大片| 欧美在线一区亚洲| 在线国产一区二区在线| 亚洲久久久国产精品| 久久久久国产一级毛片高清牌| 亚洲中文字幕日韩| 国产有黄有色有爽视频| 免费在线观看日本一区| 久久精品aⅴ一区二区三区四区| 久久久国产成人免费| 99国产精品一区二区三区| 高清视频免费观看一区二区| 欧美中文综合在线视频| 99国产极品粉嫩在线观看| av超薄肉色丝袜交足视频| 一区二区三区国产精品乱码| 深夜精品福利| 美女扒开内裤让男人捅视频| 99国产极品粉嫩在线观看| 18在线观看网站| 香蕉久久夜色| 一本一本久久a久久精品综合妖精| 成人国语在线视频| 国产精品综合久久久久久久免费 | 美女福利国产在线| 在线观看免费视频网站a站| 在线观看日韩欧美| 亚洲熟女毛片儿| 黄频高清免费视频| 91精品国产国语对白视频| 午夜福利一区二区在线看| 精品久久久久久电影网| 美女视频免费永久观看网站| 1024视频免费在线观看| 又黄又爽又免费观看的视频| 国内毛片毛片毛片毛片毛片| 精品高清国产在线一区| 国产欧美日韩精品亚洲av| 亚洲avbb在线观看| 欧美日韩亚洲高清精品| 欧美在线一区亚洲| 日韩欧美一区二区三区在线观看 | 色综合婷婷激情| 一进一出好大好爽视频| 中文字幕色久视频| 人人妻,人人澡人人爽秒播| 国产黄色免费在线视频| 无限看片的www在线观看| 亚洲精品美女久久av网站| 日韩欧美在线二视频 | 日韩欧美在线二视频 | 亚洲精品国产色婷婷电影| 亚洲美女黄片视频| 一区在线观看完整版| 欧美不卡视频在线免费观看 | 成年女人毛片免费观看观看9 | 国产色视频综合| 成年人午夜在线观看视频| 岛国毛片在线播放| 精品一区二区三区av网在线观看| 午夜福利一区二区在线看| 欧美黄色淫秽网站| 18禁观看日本| 国产成人影院久久av| 欧美乱色亚洲激情| 成在线人永久免费视频| 美女福利国产在线| 美女高潮到喷水免费观看| 欧美大码av| 国产精品久久久av美女十八| 国产亚洲欧美98| 欧美日韩黄片免| a级毛片在线看网站| 成人永久免费在线观看视频| 久久精品人人爽人人爽视色| 日日摸夜夜添夜夜添小说| 欧美老熟妇乱子伦牲交| svipshipincom国产片| 无遮挡黄片免费观看| 国产精品美女特级片免费视频播放器 | 在线看a的网站| 亚洲av成人一区二区三| 国产三级黄色录像| 免费在线观看日本一区| 精品人妻熟女毛片av久久网站| 国产精品 欧美亚洲| 在线视频色国产色| 首页视频小说图片口味搜索| 极品少妇高潮喷水抽搐| 在线观看免费午夜福利视频| 精品国产国语对白av| 精品亚洲成a人片在线观看| 两个人免费观看高清视频| 交换朋友夫妻互换小说| 十分钟在线观看高清视频www| 9191精品国产免费久久| 老熟女久久久| 午夜免费观看网址| 嫁个100分男人电影在线观看| 日韩欧美在线二视频 | 免费高清在线观看日韩| 欧美另类亚洲清纯唯美| 在线观看www视频免费| 久久国产精品大桥未久av| 国产男女内射视频| 丝袜在线中文字幕| 99国产综合亚洲精品| 免费av中文字幕在线| 超碰97精品在线观看| 亚洲性夜色夜夜综合| 免费久久久久久久精品成人欧美视频| 日本黄色视频三级网站网址 | 韩国av一区二区三区四区| 午夜福利乱码中文字幕| 成年人黄色毛片网站| 好看av亚洲va欧美ⅴa在| 免费在线观看完整版高清| 免费久久久久久久精品成人欧美视频| 国产不卡一卡二| 国产97色在线日韩免费| av中文乱码字幕在线| bbb黄色大片| 国产无遮挡羞羞视频在线观看| 丝袜人妻中文字幕| 成人特级黄色片久久久久久久| 中国美女看黄片| 国产乱人伦免费视频| 在线看a的网站| 亚洲自偷自拍图片 自拍| 91成年电影在线观看| 久久 成人 亚洲| 91精品三级在线观看| 亚洲情色 制服丝袜| 日本黄色视频三级网站网址 | 欧美激情极品国产一区二区三区| 中文字幕人妻熟女乱码| 香蕉久久夜色| 久久亚洲精品不卡| 操出白浆在线播放| a级毛片黄视频| 捣出白浆h1v1| 国产亚洲欧美精品永久| 婷婷成人精品国产| 久久人妻福利社区极品人妻图片| 中文字幕最新亚洲高清| 亚洲精品在线观看二区| 久久天躁狠狠躁夜夜2o2o| 日日爽夜夜爽网站| 欧美黑人精品巨大| 国产成人一区二区三区免费视频网站| 欧美日韩瑟瑟在线播放| 岛国毛片在线播放| av一本久久久久| 亚洲伊人色综图| 日韩大码丰满熟妇| 热re99久久国产66热| 人妻一区二区av| 欧美久久黑人一区二区| 亚洲成av片中文字幕在线观看| 亚洲情色 制服丝袜| 美女高潮喷水抽搐中文字幕| 久久青草综合色| 成年人免费黄色播放视频| av国产精品久久久久影院| 中文字幕人妻丝袜一区二区| 精品国产乱子伦一区二区三区| 精品乱码久久久久久99久播| 看免费av毛片| av有码第一页| 女人爽到高潮嗷嗷叫在线视频| 精品国产一区二区三区久久久樱花| 精品卡一卡二卡四卡免费| videosex国产| 欧美乱色亚洲激情| 精品福利永久在线观看| 久久香蕉精品热| 男人的好看免费观看在线视频 | 91精品三级在线观看| 高潮久久久久久久久久久不卡| 十八禁网站免费在线| 午夜免费鲁丝| 午夜福利免费观看在线| 又黄又粗又硬又大视频| 久久亚洲真实| 丰满饥渴人妻一区二区三| 在线观看免费日韩欧美大片| 超碰97精品在线观看| 69精品国产乱码久久久| 99国产极品粉嫩在线观看| 操美女的视频在线观看| 久久国产乱子伦精品免费另类| 成年女人毛片免费观看观看9 | 日本vs欧美在线观看视频| 涩涩av久久男人的天堂| av网站在线播放免费| 在线观看免费视频网站a站| 免费av中文字幕在线| 一进一出好大好爽视频| 高潮久久久久久久久久久不卡| 久久久水蜜桃国产精品网| 一级毛片精品| 国产有黄有色有爽视频| 亚洲国产精品合色在线| 丝袜人妻中文字幕| 丝袜在线中文字幕| 日本vs欧美在线观看视频| 天天躁狠狠躁夜夜躁狠狠躁| 国产精品久久电影中文字幕 | 99久久综合精品五月天人人| 国产主播在线观看一区二区| 两个人看的免费小视频| 国产三级黄色录像| 无限看片的www在线观看| 亚洲av熟女| 欧美精品亚洲一区二区| 如日韩欧美国产精品一区二区三区| 999精品在线视频| 日本一区二区免费在线视频| 天天躁狠狠躁夜夜躁狠狠躁| 男女高潮啪啪啪动态图| 亚洲成av片中文字幕在线观看| 国精品久久久久久国模美| 19禁男女啪啪无遮挡网站| 亚洲成人手机| 99国产精品一区二区蜜桃av | 一进一出抽搐动态| 新久久久久国产一级毛片| 大码成人一级视频| 18禁国产床啪视频网站| 脱女人内裤的视频| 久久中文字幕一级| 亚洲欧美精品综合一区二区三区| 嫁个100分男人电影在线观看| 免费在线观看影片大全网站| 国产亚洲欧美98| 国产淫语在线视频| 久久人妻av系列| 欧美激情极品国产一区二区三区| 一本大道久久a久久精品| 欧美精品人与动牲交sv欧美| 身体一侧抽搐| 免费在线观看亚洲国产| 亚洲国产看品久久| 搡老乐熟女国产| 啦啦啦 在线观看视频| 91麻豆精品激情在线观看国产 | 欧美日韩黄片免| 国产成人av教育| 亚洲国产精品sss在线观看 | 咕卡用的链子| 99国产精品一区二区蜜桃av | 亚洲成a人片在线一区二区| 国产精品久久久av美女十八| 国产精品一区二区在线不卡| 亚洲精品国产精品久久久不卡| 亚洲一区二区三区不卡视频| av网站免费在线观看视频| 一区二区三区激情视频| 99热国产这里只有精品6| 无遮挡黄片免费观看| 色尼玛亚洲综合影院| 天堂动漫精品| 久久精品亚洲精品国产色婷小说| 免费看十八禁软件| 老熟妇仑乱视频hdxx| 亚洲一区高清亚洲精品| 久久天堂一区二区三区四区| 久久 成人 亚洲| 免费女性裸体啪啪无遮挡网站| 久热爱精品视频在线9| 久久香蕉激情| 亚洲美女黄片视频| 国产高清国产精品国产三级| 午夜福利免费观看在线| 精品福利观看| 久99久视频精品免费| 国产在线观看jvid| 精品第一国产精品| 99精国产麻豆久久婷婷| 亚洲五月色婷婷综合| av福利片在线| 日韩 欧美 亚洲 中文字幕| 9色porny在线观看| 99国产综合亚洲精品| 黄色成人免费大全| 一进一出抽搐动态| 国产精品香港三级国产av潘金莲| 精品久久久久久久久久免费视频 | 亚洲一区二区三区欧美精品| ponron亚洲| 婷婷丁香在线五月| 亚洲第一青青草原| 好看av亚洲va欧美ⅴa在| 一级,二级,三级黄色视频| 黄色 视频免费看| 首页视频小说图片口味搜索| 黄片小视频在线播放| 丝袜美足系列| 午夜福利在线观看吧| 12—13女人毛片做爰片一| 久久久久久亚洲精品国产蜜桃av| 国产91精品成人一区二区三区| 看黄色毛片网站| 亚洲aⅴ乱码一区二区在线播放 | 久久久久久久午夜电影 | 两个人免费观看高清视频| 日日爽夜夜爽网站| cao死你这个sao货| 老司机靠b影院| 老司机午夜福利在线观看视频| 日韩欧美三级三区| 欧美乱码精品一区二区三区| 丝袜人妻中文字幕| 极品少妇高潮喷水抽搐| 成人18禁高潮啪啪吃奶动态图| 午夜福利免费观看在线| 中国美女看黄片| 亚洲av成人不卡在线观看播放网| 国产精品永久免费网站| 女人久久www免费人成看片| 下体分泌物呈黄色| bbb黄色大片| 一区二区日韩欧美中文字幕| 美女福利国产在线| 中国美女看黄片| 国产深夜福利视频在线观看| 国产片内射在线| 视频区欧美日本亚洲| 国产精品98久久久久久宅男小说| 欧美日韩一级在线毛片| 成年动漫av网址| 免费一级毛片在线播放高清视频 | 久久人妻熟女aⅴ| 热re99久久精品国产66热6| 18禁裸乳无遮挡动漫免费视频| 在线免费观看的www视频| 午夜福利影视在线免费观看| 中文欧美无线码| 精品久久久久久,| 久久人人爽av亚洲精品天堂| 中文字幕人妻丝袜制服| 精品一区二区三区视频在线观看免费 | 在线观看免费日韩欧美大片| 久久国产乱子伦精品免费另类| 91老司机精品| 亚洲精品中文字幕一二三四区| 老司机靠b影院| 十分钟在线观看高清视频www| 美女高潮喷水抽搐中文字幕| 在线十欧美十亚洲十日本专区| 国产欧美日韩一区二区精品| 日韩 欧美 亚洲 中文字幕| 一级毛片精品| 亚洲精华国产精华精| 99久久人妻综合| √禁漫天堂资源中文www| 一个人免费在线观看的高清视频| 午夜两性在线视频| 中文字幕色久视频| 啦啦啦 在线观看视频| 欧美精品亚洲一区二区| 日本撒尿小便嘘嘘汇集6| 亚洲成人国产一区在线观看| 两性午夜刺激爽爽歪歪视频在线观看 | 日本撒尿小便嘘嘘汇集6| 久久中文看片网| 免费在线观看视频国产中文字幕亚洲| 男人操女人黄网站| 亚洲精品久久成人aⅴ小说| 亚洲国产欧美网| 国产成人影院久久av| 亚洲国产毛片av蜜桃av| 免费观看精品视频网站| 母亲3免费完整高清在线观看| 丝瓜视频免费看黄片| 成人18禁高潮啪啪吃奶动态图| 黄频高清免费视频| 三上悠亚av全集在线观看| av一本久久久久| 欧美激情高清一区二区三区| 悠悠久久av| 丰满人妻熟妇乱又伦精品不卡| 俄罗斯特黄特色一大片| 欧美亚洲日本最大视频资源| √禁漫天堂资源中文www| 99精国产麻豆久久婷婷| 黄色 视频免费看| 免费av中文字幕在线| 香蕉丝袜av| 飞空精品影院首页| av一本久久久久| 黄频高清免费视频| 亚洲全国av大片| 久久人妻av系列| 久久久久久久精品吃奶| 亚洲伊人色综图| 人妻丰满熟妇av一区二区三区 | 欧美乱色亚洲激情| av福利片在线| 国产91精品成人一区二区三区| 久久精品亚洲熟妇少妇任你| 99热国产这里只有精品6| 欧美老熟妇乱子伦牲交| 757午夜福利合集在线观看| 精品国产一区二区久久| 男女床上黄色一级片免费看| 精品福利观看| 热99re8久久精品国产| 日韩 欧美 亚洲 中文字幕| 欧美久久黑人一区二区| 亚洲av电影在线进入| 黑人操中国人逼视频|