• <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AO-VMD-BiGRU的短期負荷預(yù)測方法

    2023-09-16 02:39:48汝洪芳張程帝王國新李作淘
    黑龍江電力 2023年4期
    關(guān)鍵詞:分量模態(tài)神經(jīng)網(wǎng)絡(luò)

    汝洪芳,張程帝,王國新,李作淘

    (黑龍江科技大學(xué) 電氣與控制工程學(xué)院,哈爾濱 150022 )

    0 引 言

    在雙碳背景下,新能源發(fā)電比例逐年提升,同時,也給電網(wǎng)的穩(wěn)定性帶來了極大的挑戰(zhàn)。若是能夠?qū)Χ唐陔娏ω摵蛇M行精準的預(yù)測,這不僅能夠促使供電企業(yè)制定更加周密的發(fā)電計劃,優(yōu)化電力調(diào)度規(guī)劃,還能保證電力系統(tǒng)的安全,符合綠色發(fā)展的要求。

    從文獻資料上看,一些成熟的預(yù)測短期負荷的方法主要有自回歸移動平均法(autoregressive integrated moving average, ARIMA)[1-2]、卡爾曼濾波法[3]等方法。上述幾種方法均可以對各個影響因素進行捕捉,并確定各因素之間的線性關(guān)系,但也存在明顯的不足,那就是無法對非線性特征進行描述。常用的深度學(xué)習(xí)短期負荷預(yù)測方法有以下幾種:反饋神經(jīng)網(wǎng)絡(luò)(back propagation,BP)[4]、卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN)[5]、循環(huán)神經(jīng)網(wǎng)絡(luò)(recurrent neural network,RNN)[6]等模型的預(yù)測方法。文獻[7]采用門控循環(huán)單元(gate recurrent unit,GRU)對電力負荷進行預(yù)測,與長短期記憶網(wǎng)絡(luò)(long short-term memory,LSTM)相比,更易于計算,但是負荷預(yù)測是由歷史時刻信息和未來時刻信息共同決定,GRU沒有對未來時刻信息進行考慮。文獻[8] 采用經(jīng)驗?zāi)B(tài)分解(empirical mode decomposition,EMD),借助此方法完成電力負荷的分解工作,降低了負荷預(yù)測的復(fù)雜性,但此種分解模態(tài)容易出現(xiàn)模態(tài)混疊的情況,這非常影響負荷預(yù)測的精度。文獻[9]采用變分模態(tài)分解(variational mode decomposition,VMD)對電力負荷進行分解,取得很好的實驗效果,但是人為設(shè)置參數(shù)具有很強的隨機性,影響其分解性能。

    為了提高短期負荷預(yù)測精度,本文提出一種基于天鷹算法(aquila optimizer,AO)優(yōu)化變分模態(tài)分解和雙向門控循環(huán)單元(bidirectional gate recurrent unit,BiGRU)神經(jīng)網(wǎng)絡(luò)的短期電力負荷預(yù)測方法。首先,利用VMD取代EMD,對負荷序列進行分解,得到電力負荷分解序列圖像,解決EMD本身的模態(tài)混疊缺點;其次,采用AO取代人為設(shè)置,對VMD參數(shù)進行選擇,降低了試驗的隨機性;最后把分解后的負荷序列傳遞到雙向門控循環(huán)單元中進行數(shù)據(jù)的非線性擬合,在澳大利亞昆士蘭地區(qū)負荷數(shù)據(jù)基礎(chǔ)上進行短期負荷預(yù)測。將該方法與BiGRU神經(jīng)網(wǎng)絡(luò)模型、VMD-BiGRU神經(jīng)網(wǎng)絡(luò)模型、WOA-VMD-BiGRU模型進行比較,來驗證所提方法的準確性。

    1 AO-VMD-BiGRU模型原理

    1.1 AO

    天鷹優(yōu)化算法是2021年Laith Abualigah等人提出的一種新型智能優(yōu)化算法[10],該算法主要模擬天鷹在捕捉獵物過程中的自然行為,來達到尋優(yōu)的目的,具有尋優(yōu)能力強、收斂速度快等特點。

    1.2 VMD

    變分模態(tài)分解,即VMD,此方法是Dragomiretskiy等人在2014年提出的[11],此種信號分解方法具有一定的自適應(yīng)性。此模型借助迭代搜索變分方法最優(yōu)解,從而精準確定各個分量的中心頻率以及寬帶,同時徹底克服了EMD方法的諸多弊端,比如端點效應(yīng)、模態(tài)分量混疊等難題。VMD算法的約束公式如下:

    (1)

    (2)

    式中:{uk}為模態(tài)分量的集合;{wk}為各模態(tài)分量的中心頻率;*為卷積運算;?t為函數(shù)對時間的導(dǎo)數(shù);δ(t)為單位脈沖函數(shù);f(t)為原始輸入信號。

    把拉格朗日因子代入約束公式,從而將其轉(zhuǎn)換為非約束的變分問題,如下:

    L({uk},{wk},λ)=

    (3)

    式中:α為懲罰因子;λ為拉格朗日因子。

    模態(tài)分子變量和中心頻率的更新公式如下:

    (4)

    (5)

    式中:f(w)、ui(w)、λ(w)分別為f(t)、ui(t)、λ(t)的傅里葉變換;n為迭代次數(shù)。

    1.3 BiGRU模型

    BiGRU模型是在2個方向相反GRU模型的基礎(chǔ)上搭建的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),GRU網(wǎng)絡(luò)模型如圖1所示。這2個GRU網(wǎng)絡(luò)模型都能接收到相同的輸入,所以該模型在處理時間序列數(shù)據(jù)上有優(yōu)勢,負荷預(yù)測的準確率提高[12]。選擇BiGRU網(wǎng)絡(luò)模型,如圖2所示。

    圖1 GRU原理圖

    圖2 BiGRU原理圖

    GRU網(wǎng)絡(luò)公式如下:

    rt=σ(wr[ht-1,xt])

    (6)

    zt=σ(wz[mt-1,xt])

    (7)

    (8)

    (9)

    BIGRU網(wǎng)絡(luò)公式如下:

    (10)

    (11)

    (12)

    2 基于AO-VMD-BiGRU的負荷預(yù)測模型

    2.1 基于AO的VMD參數(shù)優(yōu)化

    VMD對信號的分解效果主要取決于分解個數(shù)K和懲罰因子α的設(shè)置,但是人為設(shè)置VMD參數(shù)可能造成過分解和欠分解現(xiàn)象。因此,采用AO算法對VMD中分解個數(shù)K和懲罰因子α迭代尋優(yōu),尋優(yōu)維度設(shè)置為2,K的尋優(yōu)區(qū)間設(shè)置為[2,10],α的尋優(yōu)區(qū)間設(shè)置為[0,10 000]。采用VMD損失函數(shù)作為AO算法尋優(yōu)的適應(yīng)度函數(shù),計算式如下:

    (13)

    式中:f(t)為原始輸入信號;f′(t)為分解后信號;T為時間長度。

    2.2 AO-VMD-BiGRU模型結(jié)構(gòu)

    為實現(xiàn)短期電力負荷的預(yù)測精準度大幅提升的目標,提出基于AO-VMD-BiGRU的模型預(yù)測短期負荷的變化趨勢,其模型結(jié)構(gòu)如圖3所示。首先利用損失函數(shù)作為適應(yīng)度函數(shù),運用AO對VMD中的分解個數(shù)K和懲罰因子α進行迭代尋優(yōu),確定這2個參數(shù)值;隨后,把原始負荷數(shù)據(jù)導(dǎo)入VMD中進行簡單的模態(tài)分解,獲得各模態(tài)分量IMF1,IMF2,…,IMFn;最后把各模態(tài)分量導(dǎo)入BiGRU神經(jīng)網(wǎng)絡(luò)模型,得到各模態(tài)分量預(yù)測值,進行輸出結(jié)果疊加,從而得到實際預(yù)測值。

    圖3 AO-VMD-BiGRU模型結(jié)構(gòu)圖

    模型評估主要依據(jù)3個重要的指標,分別是平均絕對百分比誤差(MAPE)、均方根誤差(RMSE)和平均絕對誤差(MAE),這3個評估標準能夠有效地測試負荷預(yù)測方法的性能好壞。在電力負荷預(yù)測中MAPE、RMSE、MAE的值越小,表示模型的擬合效果越好,代表負荷預(yù)測越準確,計算式如下:

    (14)

    (15)

    (16)

    式中:yi為第i個采樣點真實所得到的負荷值數(shù)據(jù);y′i為第i個采樣點預(yù)測計算出來的負荷值;n值為測試的樣本數(shù)。

    3 試驗分析

    3.1 數(shù)據(jù)處理

    試驗數(shù)據(jù)選取澳大利亞昆士蘭地區(qū) 2014年1月份上半月的真實歷史負荷數(shù)據(jù)(包含干球溫度、電力價格、空氣濕度、電力負荷等特征)為數(shù)據(jù)集合,每天會采取48個樣本值,每次采樣的時間間隔是30 min,每次獲取的數(shù)據(jù)包含上面提及的6個方面電力負荷數(shù)據(jù)值。

    采用 min-max 標準化將數(shù)據(jù)歸一化到[0, 1],計算過程如下所示。

    (17)

    式中:xi為第i個采樣點特征原始值;xmin和xmax分別為采樣數(shù)據(jù)中各特征數(shù)據(jù)的最小值和最大值;x′t為xi數(shù)據(jù)歸一化后的值,范圍為[0, 1]。

    3.2 基于AO-VMD分解試驗

    為了體現(xiàn)AO優(yōu)化VMD參數(shù)的有效性,將AO優(yōu)化VMD參數(shù)和VMD參數(shù)默認值以及鯨魚優(yōu)化算法(whale optimization algorithm, WOA)優(yōu)化VMD參數(shù)進行對比,所有模型的訓(xùn)練集與測試集相同,AO和WOA尋優(yōu)VMD參數(shù)的迭代過程和分解結(jié)果如圖4和表1所示,對應(yīng)式(13)中分解結(jié)果越小,模型預(yù)測越準確。

    表1 VMD尋優(yōu)參數(shù)結(jié)果

    圖4 不同算法迭代尋優(yōu)圖

    由圖4和表1可知,使用AO對VMD進行參數(shù)尋優(yōu)相較于WOA參數(shù)尋優(yōu),尋優(yōu)能力更強,尋優(yōu)速度更快,其分解損失相較于一般VMD參數(shù)設(shè)置和WOA優(yōu)化的分解損失更小,最小為1.68 MW。原始負荷數(shù)據(jù)和AO-VMD的分解序列如圖5和圖6所示,圖6中res代表原始負荷數(shù)據(jù)分解的殘差分量。

    圖5 原始負荷數(shù)據(jù)圖

    圖6 AO-VMD分解序列圖

    3.3 試驗結(jié)果分析

    為驗證方法有效性,試驗將AO-VMD-BiGRU模型與BiGRU模型、VMD-BiGRU模型和WOA-VMD-BiGRU模型之間的性能進行了對比。在預(yù)測電力負荷數(shù)據(jù)的時候,參考文獻[13]可以把這幾個模型的遞歸神經(jīng)網(wǎng)絡(luò)層數(shù)都設(shè)置成1,而將神經(jīng)網(wǎng)絡(luò)各層的神經(jīng)元數(shù)量控制在50,預(yù)測結(jié)果如圖7和表2所示。

    表2 各類模型對比

    圖7 預(yù)測結(jié)果對比

    由表2可知,4種模型預(yù)測結(jié)果都取得了良好的效果,AO-VMD-BiGRU模型的預(yù)測結(jié)果更好。其中,AO-VMD-BiGRU模型的MAPE為1.54%,其MAPE相較于BiGRU模型、VMD-BiGRU模型和WOA-VMD-BiGRU模型這3種方法的MAPE分別降低了2.98%、1.93%、0.19%。根據(jù)圖7可知,基于AO-VMD-BiGRU模型預(yù)測結(jié)果與實際負荷曲線擬合程度更高,可以很好地表示負荷變化的趨勢。

    4 結(jié) 語

    面對電力系統(tǒng)對負荷預(yù)測準確性要求日益提高的形勢,提出一種基于AO-VMD-BiGRU混合模型預(yù)測方法。

    1)通過AO對VMD進行參數(shù)尋優(yōu),確定K和α的值,降低了人為設(shè)置參數(shù)的隨機性。

    2)原始負荷數(shù)據(jù)經(jīng)過VMD分解,獲得不同頻率的模態(tài)分量,削弱了原始負荷數(shù)據(jù)的噪聲干擾。

    3)采用BiGRU神經(jīng)網(wǎng)絡(luò)對各模態(tài)分量進行預(yù)測并進行預(yù)測結(jié)果疊加,提升了負荷預(yù)測的精度。對比試驗結(jié)果表明,此模型預(yù)測精度更加準確,具有一定的可行性。

    猜你喜歡
    分量模態(tài)神經(jīng)網(wǎng)絡(luò)
    帽子的分量
    神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    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
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機控制模型建立
    重型機械(2016年1期)2016-03-01 03:42:04
    國內(nèi)多模態(tài)教學(xué)研究回顧與展望
    復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
    基于HHT和Prony算法的電力系統(tǒng)低頻振蕩模態(tài)識別
    基于支持向量機回歸和RBF神經(jīng)網(wǎng)絡(luò)的PID整定
    人人妻人人澡人人爽人人夜夜 | 亚洲精品亚洲一区二区| 人妻系列 视频| 欧美bdsm另类| 午夜精品一区二区三区免费看| 亚洲精品久久国产高清桃花| 国产亚洲精品久久久久久毛片| 一本一本综合久久| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 免费观看精品视频网站| 久久久久久大精品| 国产精品综合久久久久久久免费| 欧美极品一区二区三区四区| 美女黄网站色视频| 人人妻人人澡人人爽人人夜夜 | 亚洲欧洲国产日韩| 日本三级黄在线观看| 国产视频首页在线观看| 国内精品美女久久久久久| av在线老鸭窝| 女人十人毛片免费观看3o分钟| 91久久精品电影网| 国产精品一二三区在线看| 中文精品一卡2卡3卡4更新| 国产精品一区二区性色av| 国产色婷婷99| 91久久精品国产一区二区成人| 亚洲精品日韩在线中文字幕 | 精品人妻偷拍中文字幕| 精品人妻一区二区三区麻豆| 亚洲精品国产av成人精品| 深夜精品福利| 一进一出抽搐gif免费好疼| 久久这里有精品视频免费| 久久久久网色| 日日撸夜夜添| 国产免费一级a男人的天堂| 欧美变态另类bdsm刘玥| 在线免费观看不下载黄p国产| 欧美一区二区亚洲| 中文在线观看免费www的网站| 插阴视频在线观看视频| 69人妻影院| 国产欧美日韩精品一区二区| 男人和女人高潮做爰伦理| 麻豆国产97在线/欧美| 日韩一本色道免费dvd| 国产成人午夜福利电影在线观看| 欧美bdsm另类| 国产视频内射| 免费电影在线观看免费观看| 久久久久久久久久久免费av| 色视频www国产| av在线天堂中文字幕| 日韩一本色道免费dvd| 中文资源天堂在线| 日韩一区二区三区影片| 久久久成人免费电影| 日日摸夜夜添夜夜添av毛片| 能在线免费观看的黄片| 深夜精品福利| 精品一区二区三区人妻视频| 亚洲天堂国产精品一区在线| 性色avwww在线观看| 国产一区二区在线观看日韩| 中文资源天堂在线| 国产69精品久久久久777片| АⅤ资源中文在线天堂| 99热6这里只有精品| 神马国产精品三级电影在线观看| 欧美潮喷喷水| 国产精品人妻久久久影院| 人人妻人人看人人澡| 欧美成人一区二区免费高清观看| av免费在线看不卡| 免费av不卡在线播放| 国产黄色视频一区二区在线观看 | 高清在线视频一区二区三区 | 亚洲第一电影网av| 亚洲最大成人av| 午夜福利在线在线| 成人欧美大片| 简卡轻食公司| 国产成年人精品一区二区| 欧美日韩综合久久久久久| 别揉我奶头 嗯啊视频| 91久久精品国产一区二区成人| 婷婷色综合大香蕉| 人人妻人人澡人人爽人人夜夜 | 欧美色视频一区免费| 久久这里只有精品中国| 成人亚洲欧美一区二区av| 人妻制服诱惑在线中文字幕| 女的被弄到高潮叫床怎么办| 一个人观看的视频www高清免费观看| 欧美日韩精品成人综合77777| 日韩国内少妇激情av| 国产v大片淫在线免费观看| а√天堂www在线а√下载| 黄片wwwwww| 91精品一卡2卡3卡4卡| 欧美xxxx性猛交bbbb| 久久中文看片网| 国产乱人视频| 97超碰精品成人国产| 美女 人体艺术 gogo| 91久久精品国产一区二区三区| 免费黄网站久久成人精品| 日产精品乱码卡一卡2卡三| 国产淫片久久久久久久久| 亚洲av免费在线观看| 真实男女啪啪啪动态图| 国产精品女同一区二区软件| 在线天堂最新版资源| 啦啦啦观看免费观看视频高清| 一进一出抽搐动态| or卡值多少钱| 亚洲18禁久久av| 国产免费男女视频| 如何舔出高潮| 国产亚洲精品久久久com| 精品久久久久久久久av| 久久人人精品亚洲av| 网址你懂的国产日韩在线| av在线老鸭窝| 麻豆av噜噜一区二区三区| 女人十人毛片免费观看3o分钟| 日韩欧美一区二区三区在线观看| 白带黄色成豆腐渣| 中文字幕精品亚洲无线码一区| 亚洲最大成人手机在线| 亚洲国产精品成人综合色| 国产一区二区三区在线臀色熟女| www日本黄色视频网| 永久网站在线| 中文资源天堂在线| 最近最新中文字幕大全电影3| 91精品国产九色| 亚洲国产精品成人久久小说 | 亚洲av成人精品一区久久| 久久99热6这里只有精品| 老司机影院成人| 国产精品久久久久久av不卡| 日本av手机在线免费观看| 91久久精品国产一区二区三区| 国产成年人精品一区二区| 久久精品国产亚洲av香蕉五月| 国产极品天堂在线| 夫妻性生交免费视频一级片| 黄色日韩在线| 少妇高潮的动态图| 中文字幕av在线有码专区| 亚洲欧美日韩高清在线视频| 欧美成人免费av一区二区三区| 日本黄色片子视频| 热99re8久久精品国产| 精品欧美国产一区二区三| 在线观看午夜福利视频| 综合色丁香网| 欧美一区二区国产精品久久精品| 丰满乱子伦码专区| 色哟哟·www| 床上黄色一级片| 久久中文看片网| 日韩精品有码人妻一区| 黄片无遮挡物在线观看| 22中文网久久字幕| 国产一级毛片七仙女欲春2| 亚洲av二区三区四区| 大香蕉久久网| 国内精品一区二区在线观看| 十八禁国产超污无遮挡网站| 日韩一区二区三区影片| 激情 狠狠 欧美| 高清日韩中文字幕在线| 日韩中字成人| 少妇丰满av| 亚洲精品自拍成人| 日韩欧美在线乱码| 日韩大尺度精品在线看网址| 狂野欧美白嫩少妇大欣赏| 欧美zozozo另类| 日韩欧美一区二区三区在线观看| 人妻夜夜爽99麻豆av| 色5月婷婷丁香| 老女人水多毛片| 午夜精品在线福利| 乱人视频在线观看| 美女国产视频在线观看| 99视频精品全部免费 在线| 国产欧美日韩精品一区二区| 九九爱精品视频在线观看| 美女 人体艺术 gogo| 嫩草影院新地址| 亚洲自拍偷在线| 一级黄色大片毛片| 18+在线观看网站| 中文在线观看免费www的网站| 欧美色欧美亚洲另类二区| 国产麻豆成人av免费视频| 美女cb高潮喷水在线观看| 亚洲精品国产av成人精品| 国产黄色小视频在线观看| 色吧在线观看| 国产精品无大码| 一区二区三区高清视频在线| 日本黄色视频三级网站网址| 久久久久久久久久久免费av| 成年版毛片免费区| 在线播放无遮挡| kizo精华| 少妇的逼水好多| 99热这里只有是精品50| 中文字幕人妻熟人妻熟丝袜美| 晚上一个人看的免费电影| 久久久久性生活片| 久久久久九九精品影院| 综合色丁香网| or卡值多少钱| 亚洲av.av天堂| 草草在线视频免费看| 哪个播放器可以免费观看大片| 久久精品91蜜桃| 黄色日韩在线| 伊人久久精品亚洲午夜| 国产成人午夜福利电影在线观看| 免费一级毛片在线播放高清视频| 天堂影院成人在线观看| 亚洲人成网站在线播| 麻豆精品久久久久久蜜桃| 久99久视频精品免费| 久久久色成人| 一本久久中文字幕| 嫩草影院新地址| 18禁黄网站禁片免费观看直播| 九草在线视频观看| 一卡2卡三卡四卡精品乱码亚洲| 日本免费a在线| 村上凉子中文字幕在线| 亚洲欧美日韩东京热| 精品久久久久久久久久久久久| 亚洲高清免费不卡视频| av免费在线看不卡| 麻豆久久精品国产亚洲av| 天堂网av新在线| 国产淫片久久久久久久久| 噜噜噜噜噜久久久久久91| 日产精品乱码卡一卡2卡三| 在线播放无遮挡| 欧美另类亚洲清纯唯美| 欧美成人a在线观看| 免费搜索国产男女视频| 美女内射精品一级片tv| 毛片女人毛片| 亚洲高清免费不卡视频| 国产私拍福利视频在线观看| 亚洲av不卡在线观看| 免费av不卡在线播放| 舔av片在线| 国产久久久一区二区三区| 高清毛片免费观看视频网站| 黄色视频,在线免费观看| 国产精品爽爽va在线观看网站| 亚洲最大成人av| 亚洲av熟女| 成人av在线播放网站| 国产片特级美女逼逼视频| 免费观看的影片在线观看| 一边摸一边抽搐一进一小说| 久久九九热精品免费| 99riav亚洲国产免费| 亚洲五月天丁香| 美女内射精品一级片tv| 日本五十路高清| 啦啦啦韩国在线观看视频| 丝袜喷水一区| 亚洲,欧美,日韩| 亚洲电影在线观看av| 亚洲成人av在线免费| 国产一级毛片七仙女欲春2| 亚洲中文字幕日韩| 麻豆久久精品国产亚洲av| 12—13女人毛片做爰片一| 亚洲熟妇中文字幕五十中出| 91午夜精品亚洲一区二区三区| 免费无遮挡裸体视频| 亚洲av成人精品一区久久| 女的被弄到高潮叫床怎么办| 99久国产av精品国产电影| 青青草视频在线视频观看| 久久99热这里只有精品18| 不卡一级毛片| www.av在线官网国产| 观看免费一级毛片| 99在线视频只有这里精品首页| 一边亲一边摸免费视频| 亚洲乱码一区二区免费版| 国产伦理片在线播放av一区 | 国产av在哪里看| h日本视频在线播放| 午夜精品一区二区三区免费看| 1024手机看黄色片| 国产精品精品国产色婷婷| 少妇的逼好多水| 日韩欧美精品免费久久| 精品人妻熟女av久视频| 亚洲av不卡在线观看| 久久久久久久亚洲中文字幕| av专区在线播放| 内射极品少妇av片p| 国产一级毛片七仙女欲春2| 日日啪夜夜撸| 看非洲黑人一级黄片| 亚洲国产欧美在线一区| 国产亚洲91精品色在线| a级毛片免费高清观看在线播放| 岛国在线免费视频观看| 高清毛片免费观看视频网站| 韩国av在线不卡| 尤物成人国产欧美一区二区三区| av在线天堂中文字幕| 亚洲成人久久性| 国产伦精品一区二区三区视频9| 国产精品爽爽va在线观看网站| 午夜福利视频1000在线观看| 老司机福利观看| 91精品一卡2卡3卡4卡| 两个人的视频大全免费| 国产蜜桃级精品一区二区三区| 狂野欧美激情性xxxx在线观看| 日本一二三区视频观看| 一卡2卡三卡四卡精品乱码亚洲| 看黄色毛片网站| av在线蜜桃| 我的女老师完整版在线观看| 日日摸夜夜添夜夜爱| 成熟少妇高潮喷水视频| 国产午夜精品论理片| 国产精品综合久久久久久久免费| 久久久久久久久大av| 免费大片18禁| 三级毛片av免费| 免费观看精品视频网站| 在线天堂最新版资源| avwww免费| 在线观看美女被高潮喷水网站| 在现免费观看毛片| 女的被弄到高潮叫床怎么办| 人人妻人人看人人澡| 1000部很黄的大片| 免费电影在线观看免费观看| 免费搜索国产男女视频| 欧美丝袜亚洲另类| 亚洲av成人精品一区久久| av天堂中文字幕网| 少妇被粗大猛烈的视频| 国产精品爽爽va在线观看网站| 能在线免费观看的黄片| 午夜精品一区二区三区免费看| 国产免费一级a男人的天堂| 亚洲av一区综合| 蜜桃久久精品国产亚洲av| 色5月婷婷丁香| 日本与韩国留学比较| 国产精品爽爽va在线观看网站| 99在线视频只有这里精品首页| 日本免费a在线| 亚洲最大成人手机在线| 亚洲美女搞黄在线观看| 伊人久久精品亚洲午夜| 久久人人精品亚洲av| 我要看日韩黄色一级片| 最近2019中文字幕mv第一页| 麻豆一二三区av精品| 1000部很黄的大片| 国产高清视频在线观看网站| 99久久精品国产国产毛片| 国产色爽女视频免费观看| 波野结衣二区三区在线| 免费观看a级毛片全部| 一级毛片电影观看 | 久久午夜福利片| 成熟少妇高潮喷水视频| 亚洲欧美日韩东京热| 蜜臀久久99精品久久宅男| 欧美性猛交黑人性爽| 精品一区二区三区视频在线| 日韩欧美一区二区三区在线观看| 青青草视频在线视频观看| 麻豆精品久久久久久蜜桃| 国产伦在线观看视频一区| 国产av在哪里看| 久久久精品94久久精品| 国产美女午夜福利| 少妇的逼水好多| 2022亚洲国产成人精品| 最近视频中文字幕2019在线8| 可以在线观看的亚洲视频| 亚洲三级黄色毛片| 亚洲成人久久性| 九色成人免费人妻av| 国产美女午夜福利| av在线亚洲专区| 久久人人精品亚洲av| 欧美日韩乱码在线| 中出人妻视频一区二区| 成人高潮视频无遮挡免费网站| 亚洲成人精品中文字幕电影| 综合色丁香网| 麻豆精品久久久久久蜜桃| 亚洲欧美成人精品一区二区| 日韩人妻高清精品专区| 91久久精品国产一区二区三区| 日本撒尿小便嘘嘘汇集6| 日韩成人伦理影院| 国产精品久久久久久亚洲av鲁大| 激情 狠狠 欧美| 性欧美人与动物交配| 国产精品一区二区三区四区免费观看| 村上凉子中文字幕在线| 岛国在线免费视频观看| 亚洲不卡免费看| 小说图片视频综合网站| 99热网站在线观看| 最近手机中文字幕大全| 久久久久久久亚洲中文字幕| 国内精品美女久久久久久| 国产精品久久久久久精品电影| 欧美xxxx黑人xx丫x性爽| 久久久a久久爽久久v久久| 寂寞人妻少妇视频99o| 国产一区二区亚洲精品在线观看| 久久6这里有精品| 久久国内精品自在自线图片| 性色avwww在线观看| 男人的好看免费观看在线视频| 精品一区二区三区视频在线| 国产精品久久久久久久久免| 亚洲av中文字字幕乱码综合| 国产精品一区二区在线观看99 | 久久久精品大字幕| 亚洲国产精品合色在线| 我的老师免费观看完整版| 国产真实伦视频高清在线观看| 深夜精品福利| 色播亚洲综合网| 99热6这里只有精品| 直男gayav资源| 午夜免费男女啪啪视频观看| 小说图片视频综合网站| 国产一区二区三区av在线 | 亚洲自偷自拍三级| 国产亚洲91精品色在线| 极品教师在线视频| 人人妻人人澡人人爽人人夜夜 | 一个人观看的视频www高清免费观看| 乱码一卡2卡4卡精品| ponron亚洲| 给我免费播放毛片高清在线观看| 麻豆一二三区av精品| 亚洲一级一片aⅴ在线观看| 一进一出抽搐动态| 国产成人freesex在线| 久久精品国产清高在天天线| 国产片特级美女逼逼视频| 日韩国内少妇激情av| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | av在线蜜桃| 91久久精品国产一区二区三区| 婷婷色av中文字幕| 免费av不卡在线播放| 哪里可以看免费的av片| 男人狂女人下面高潮的视频| 网址你懂的国产日韩在线| av又黄又爽大尺度在线免费看 | 国产精品免费一区二区三区在线| 1024手机看黄色片| 国产免费男女视频| 美女国产视频在线观看| 在线观看午夜福利视频| 国产伦精品一区二区三区四那| 国产黄片美女视频| 久久这里只有精品中国| 久久久国产成人免费| 国产成人freesex在线| 国产精品一区二区三区四区久久| 麻豆精品久久久久久蜜桃| 伊人久久精品亚洲午夜| 成人毛片a级毛片在线播放| 2022亚洲国产成人精品| 精华霜和精华液先用哪个| av又黄又爽大尺度在线免费看 | 国产av不卡久久| a级毛片a级免费在线| 卡戴珊不雅视频在线播放| 亚洲一区高清亚洲精品| 又黄又爽又刺激的免费视频.| 亚洲经典国产精华液单| 免费观看a级毛片全部| 国产精品爽爽va在线观看网站| 99在线视频只有这里精品首页| 亚洲美女搞黄在线观看| 国内精品一区二区在线观看| 91av网一区二区| 观看美女的网站| 国产单亲对白刺激| 亚洲无线观看免费| 神马国产精品三级电影在线观看| 男女边吃奶边做爰视频| 午夜老司机福利剧场| 日本在线视频免费播放| 黄色一级大片看看| 亚洲18禁久久av| 又爽又黄无遮挡网站| 国产亚洲91精品色在线| 少妇人妻精品综合一区二区 | 亚洲精品亚洲一区二区| 两个人视频免费观看高清| 日韩一区二区视频免费看| 搡女人真爽免费视频火全软件| 少妇熟女欧美另类| 精品不卡国产一区二区三区| 99九九线精品视频在线观看视频| 国产大屁股一区二区在线视频| 91aial.com中文字幕在线观看| 国产精品嫩草影院av在线观看| 久久鲁丝午夜福利片| 久久精品影院6| 国产一级毛片在线| 男女啪啪激烈高潮av片| 中国美女看黄片| 看十八女毛片水多多多| 一级二级三级毛片免费看| 久久久精品大字幕| 少妇被粗大猛烈的视频| 美女 人体艺术 gogo| 欧美日韩一区二区视频在线观看视频在线 | 午夜老司机福利剧场| 日韩成人伦理影院| 日韩欧美一区二区三区在线观看| 国产亚洲欧美98| 欧美一区二区精品小视频在线| 亚洲婷婷狠狠爱综合网| 亚洲国产日韩欧美精品在线观看| 中文精品一卡2卡3卡4更新| 亚洲图色成人| 深夜a级毛片| 欧美xxxx性猛交bbbb| 变态另类成人亚洲欧美熟女| 少妇裸体淫交视频免费看高清| 啦啦啦韩国在线观看视频| 亚洲综合色惰| 欧美极品一区二区三区四区| 国内少妇人妻偷人精品xxx网站| 亚洲高清免费不卡视频| 亚洲欧美日韩东京热| 国产一区二区三区在线臀色熟女| 亚洲天堂国产精品一区在线| 亚洲成人精品中文字幕电影| 国产真实乱freesex| 网址你懂的国产日韩在线| 搡老妇女老女人老熟妇| 久久久欧美国产精品| 国产成人精品婷婷| 尤物成人国产欧美一区二区三区| 成人三级黄色视频| 麻豆乱淫一区二区| 22中文网久久字幕| 1024手机看黄色片| 欧美日韩综合久久久久久| 天天躁日日操中文字幕| 尾随美女入室| a级毛片a级免费在线| 精品国内亚洲2022精品成人| 美女国产视频在线观看| 成人二区视频| 黄片无遮挡物在线观看| 狂野欧美白嫩少妇大欣赏| 身体一侧抽搐| 亚洲最大成人手机在线| 黄色日韩在线| 91在线精品国自产拍蜜月| 亚洲,欧美,日韩| 我要搜黄色片| 亚洲无线观看免费| 久久综合国产亚洲精品| 中文资源天堂在线| 深爱激情五月婷婷| 国产伦一二天堂av在线观看| 乱人视频在线观看| 日日摸夜夜添夜夜添av毛片| 深爱激情五月婷婷| 91狼人影院| 午夜亚洲福利在线播放| 国产免费男女视频| 91在线精品国自产拍蜜月| 国产精品乱码一区二三区的特点| 一夜夜www| 国产精品一区二区三区四区免费观看| 美女内射精品一级片tv| 婷婷精品国产亚洲av| 毛片女人毛片| 22中文网久久字幕| 亚洲国产色片| 久久精品人妻少妇| 久久精品国产亚洲网站| 久久欧美精品欧美久久欧美| 精品人妻熟女av久视频| 又粗又爽又猛毛片免费看| 99热6这里只有精品| 成人特级黄色片久久久久久久| 亚洲av第一区精品v没综合| 99精品在免费线老司机午夜| 亚洲美女视频黄频| 国产69精品久久久久777片|