• <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 ?

    基于關(guān)聯(lián)潮流感知與高斯混合模型的異常用電檢測

    2023-11-01 01:14:10潘駿夏祥武李梁劉非文
    電力建設(shè) 2023年11期
    關(guān)鍵詞:潮流用電關(guān)聯(lián)

    潘駿,夏祥武,2,李梁,劉非文

    (1. 上海電力大學電氣工程學院,上海市 200090;2. 中煤科工集團上海有限公司,上海市 200030;3. 國網(wǎng)上海市電力公司超高壓分公司,上海市 200063)

    0 引 言

    異常用電是指電力用戶通過對用電數(shù)據(jù)進行非法篡改引起的電力欺詐與能源盜竊行為,異常用電行為是配電網(wǎng)中非技術(shù)性損耗(non-technical loss, NTL)的主要原因,直接造成電網(wǎng)巨額的經(jīng)濟損失,危害電網(wǎng)的平穩(wěn)運行[1-6]。電力企業(yè)對異常用電檢測業(yè)務(wù)重視程度不斷加大,促使部分非法用電方法從對電能表的物理破壞轉(zhuǎn)變?yōu)榇鄹拇鎯?shù)據(jù)的數(shù)據(jù)攻擊[7-10],使得傳統(tǒng)的用電稽查手段面臨新的難題。隨著智能電網(wǎng)的發(fā)展,廣泛部署的高級量測架構(gòu)(advanced metering infrastructure, AMI)提供了海量的多維耦合用電數(shù)據(jù)[11-13],如何從信息耦合的電力數(shù)據(jù)中挖掘出潛在的異常用電用戶,提高現(xiàn)場稽查異常用電的準確性,是目前異常用電檢測的研究重點。

    目前,異常用電檢測的技術(shù)可大致劃分為3類:基于線損分析、基于用電模式特征和基于潮流約束[14]。第一類方法將異常用電檢測問題描述成用電量與臺區(qū)線損間的關(guān)聯(lián)性分析[15-16]。此類方法理論研究較為完善,但缺乏對多元用電信息的運用,應(yīng)用場景較為狹窄。

    第二類方法基于數(shù)據(jù)驅(qū)動的方法,將不同于正常用戶用電模式特征的異常用戶區(qū)分出來。根據(jù)有無數(shù)據(jù)標簽,劃為有監(jiān)督和無監(jiān)督方法。有監(jiān)督學習是通過學習用電特征信息的分類器模型[17-19],以此區(qū)分正負樣本。同時為解決數(shù)據(jù)正負樣本不平衡問題,提出了基于Wasserstein生成對抗網(wǎng)絡(luò)的異常樣本過采樣方法[20]等異常檢測模型。這類方法檢測準確率較高,但依賴足量的標記樣本數(shù)據(jù),而完整的異常樣本標簽獲取成本較高。無監(jiān)督算法能從未標記的用電數(shù)據(jù)中學習潛在樣本分布對數(shù)據(jù)進行劃分,如文獻[21]提出了對用戶電量進行分簇計算離群度識別異常用電模式的方法,文獻[22]提出了對用戶電量進行編碼重構(gòu)的方法來校驗異常用電。這類方法通常從用戶歷史用電量角度制定電量的差異性指標來區(qū)分異常用戶,但受到用戶負荷隨機性和獨立性的影響。

    第三類是考慮到電力網(wǎng)絡(luò)的狀態(tài)變量受潮流約束的影響,異常用電行為將導(dǎo)致系統(tǒng)狀態(tài)的不一致性[23-24]。大部分研究都是基于狀態(tài)估計的異常檢測方法[25-27],通過分析異常用電行為導(dǎo)致系統(tǒng)狀態(tài)的異常特征,比較電壓、功率的量測值與估計值的殘差進行異常檢測。這類方法有著較高的檢測精度,但依賴于精確的配網(wǎng)拓撲參數(shù)以及額外的儀表量測,限制了此類方法的使用范圍,僅適用于網(wǎng)絡(luò)拓撲參數(shù)完善的用電稽查場景。

    針對狀態(tài)估計方法受限于拓撲參數(shù)的問題,本文通過構(gòu)建神經(jīng)網(wǎng)絡(luò)等值潮流模型與潮流回溯機制,實現(xiàn)不依賴線路參數(shù)的關(guān)聯(lián)潮流感知,挖掘異常用電的殘差特征。提出的基于關(guān)聯(lián)潮流感知與高斯混合模型(associative power flow sensing and Gaussian mixture model, APFS-GMM)由2個部分組成:關(guān)聯(lián)潮流感知網(wǎng)絡(luò)和估計網(wǎng)絡(luò)。首先,基于潮流計算方程的配網(wǎng)電壓功率特征存在著相互關(guān)聯(lián)相互約束的物理聯(lián)系,挖掘出潮流方程兩端關(guān)聯(lián)約束的電壓與功率殘差特征。其中,在正向潮流映射中,將圖注意力(graph attention network, GAT)機制用于聚合目標節(jié)點與鄰居節(jié)點間的功率數(shù)據(jù),學習關(guān)聯(lián)潮流函數(shù)關(guān)系,實現(xiàn)不依賴于網(wǎng)絡(luò)參數(shù)的等值潮流計算;同時在潮流感知網(wǎng)絡(luò)中引入潮流回溯機制,通過動量迭代思想,不斷攻擊注入功率,使之回溯至與量測電壓相對應(yīng)的回溯功率。然后,提取出映射電壓和回溯功率的殘差特征作為異常用電特征向量,設(shè)計基于高斯混合模型的估計網(wǎng)絡(luò)對構(gòu)造的異常用電特征向量計算異常概率能量,將處于低密度區(qū)域的用戶視為異常用電用戶。最后,與多種異常用電檢測模型對比表明,該模型在異常用電檢測問題上具有更優(yōu)的性能。

    1 異常用電行為的建模分析

    1.1 異常用電的電氣狀態(tài)量分析

    異常用電行為將產(chǎn)生異常的電表量測數(shù)據(jù),傳統(tǒng)的數(shù)據(jù)驅(qū)動異常用電檢測方法是以用電量數(shù)據(jù)為基礎(chǔ),分析用電曲線的異常波動特征進行檢測。

    各場景下的用戶用電曲線如圖1所示,當用戶處于低谷用電量時,用戶的正常用電波動與異常用電行為將難以區(qū)分。

    圖1 各場景下的用戶用電曲線

    配電網(wǎng)是由電源節(jié)點、負荷節(jié)點和功率傳輸網(wǎng)絡(luò)構(gòu)成的物理拓撲。在同一個時間斷面上,由于電網(wǎng)的物理模型及潮流方程約束,各節(jié)點系統(tǒng)狀態(tài)具有一致性,狀態(tài)量間具有較強的非線性關(guān)聯(lián)[28]。

    當系統(tǒng)正常運行時,任意節(jié)點i的節(jié)點電壓Vi和功率Si表達式為:

    (1)

    (2)

    當系統(tǒng)中k點發(fā)生異常用電行為時,將異常負荷等效導(dǎo)納設(shè)為ΔYc,則任意節(jié)點i的異常用電后的節(jié)點電壓Vi′和異常用電后的功率S′i可以表示為:

    (3)

    (4)

    由式(3)、(4)可知,系統(tǒng)發(fā)生異常未量測的功率分流時,該用戶節(jié)點的電壓和功率都會增加一個與異常用電負荷相關(guān)的變量,變量的變化特性與異常用電負荷性質(zhì)相關(guān)聯(lián)。

    正常的用電負荷波動滿足系統(tǒng)的潮流約束,不會產(chǎn)生異常注入量,而異常用電行為產(chǎn)生的異常注入量即為量測值與狀態(tài)量之間的誤差。

    1.2 異常用電行為分析

    居民智能電表的電量計量是對電壓、電流的實時采樣計算,計量公式為:

    W=∑Pmea,tΔtt=∑Vmea,tImea,tcosθmea,tΔtt

    (5)

    式中:Pmea,t、Vmea,t、Imea,t、θmea,t分別為t時刻電表量測的有功功率、相電壓、相電流和相角。

    針對上述電能計量原理,用戶只需更改任意參量均能導(dǎo)致電能表慢轉(zhuǎn)、停轉(zhuǎn)乃至反轉(zhuǎn)[29]。實際營銷業(yè)務(wù)中的異常用電手法類型眾多,除了傳統(tǒng)的用電竊電,還包括新型光伏竊電,如用戶通過篡改光伏計量表來騙取新能源補貼。但究其原理大多可歸為針對智能電表的電流、電壓和功率因數(shù)等電氣狀態(tài)參量進行篡改,以達到變更計量電量的目的。

    根據(jù)針對的電氣狀態(tài)量的區(qū)別,異常用電行為可分為如下3類[30]:

    1)針對電壓參數(shù)的異常用電方法,如:欠壓法、光伏升壓法。其特征在于更改計量電能表的測量電壓,VmeaVrea。

    2)針對功率參數(shù)的異常用電方法,如:欠流法、移相法、無表法和光伏升流法。其特征在于通過改變流經(jīng)電流、改變相位或繞表用電的方法,更改計量功率數(shù)值,PmeaPrea。

    3)針對電壓、功率參數(shù)的異常用電方法,如:擴差法和市電改接法。其特征在于外力破壞、干擾和更改電表讀數(shù),電壓和功率電氣參數(shù)變化規(guī)律更為復(fù)雜。

    綜上所述,當用戶側(cè)出現(xiàn)異常用電行為時,電表的量測功率和電壓將無法滿足基本的潮流約束。針對電表數(shù)據(jù)的感知校驗,能夠充分發(fā)現(xiàn)發(fā)生異常負荷分流后系統(tǒng)狀態(tài)產(chǎn)生的變化特征,適用于檢測上述多類型的異常用電行為。

    考慮到用戶異常功率作為等值潮流方程的輸入量時,會引起關(guān)聯(lián)用戶的潮流計算電壓與量測電壓間的誤差,導(dǎo)致出現(xiàn)殘差污染的情況。對此,本文提出了基于GAT的潮流感知網(wǎng)絡(luò),以注意力機制擬合關(guān)聯(lián)用戶的功率注入,提高用戶電壓擬合精度,同時在不改變感知網(wǎng)絡(luò)參數(shù)的條件下,通過動量攻擊法反向回溯與量測電壓對應(yīng)的回溯功率,最終以相互關(guān)聯(lián)的正向映射電壓和反向回溯功率2個特征構(gòu)建異常用電的殘差特征。

    2 基于關(guān)聯(lián)感知網(wǎng)絡(luò)的殘差特征提取

    2.1 配電網(wǎng)潮流計算的局限性

    電力系統(tǒng)中的節(jié)點電壓和注入功率需要滿足物理潮流約束,對于拓撲參數(shù)完整、導(dǎo)納矩陣完備的系統(tǒng),可建立如下的潮流物理方程:

    F(P,Q,θ,V)=0

    (6)

    式中:P、Q分別為節(jié)點的注入有功和無功功率;θ、V分別為節(jié)點的電壓相角和幅值。

    然而,我國中低壓配電網(wǎng)線路存在著長期運行與維護等情況,導(dǎo)致網(wǎng)架結(jié)構(gòu)脆弱、網(wǎng)架參數(shù)實際值與標記值存在偏差、臺區(qū)線路參數(shù)缺失等問題,難以構(gòu)建精確數(shù)學建模的物理潮流模型進行計算。

    2.2 潮流映射可行性分析

    我國中低壓配電網(wǎng)大多呈輻射狀結(jié)構(gòu),線路電阻較大,潮流非線性關(guān)系強,輻射狀配電網(wǎng)中的節(jié)點電壓分布情況與各節(jié)點功率分布相關(guān)聯(lián),其計算公式為:

    (7)

    式中:ΔVm為節(jié)點m的電壓變化量;N為節(jié)點注入功率發(fā)生變化的節(jié)點集合;ki,PV和ki,QV分別為第i個節(jié)點的有功功率變化量ΔPi和無功功率變化量ΔQi對第m個節(jié)點的電壓靈敏度系數(shù)。

    由式(7)可知,P、Q對θ、V的偏導(dǎo)雅可比矩陣J=?F/?[θ,V],且系統(tǒng)正常運行狀態(tài)下J是可逆的,由隱函數(shù)存在定理可知,存在從P、Q到V的唯一函數(shù)映射[31]。同時,深度神經(jīng)網(wǎng)絡(luò)具有強大的非線性擬合能力,通過構(gòu)建神經(jīng)網(wǎng)絡(luò)等值潮流模型,利用大量的歷史量測數(shù)據(jù)擬合P、Q與V之間存在的潮流映射關(guān)系在理論上是可行的。

    2.3 基于圖注意力網(wǎng)絡(luò)的映射電壓特征

    電力系統(tǒng)本質(zhì)上是圖結(jié)構(gòu)的系統(tǒng),用電數(shù)據(jù)實質(zhì)是物理信息的耦合[32]?;趫D結(jié)構(gòu)的圖注意力網(wǎng)絡(luò)能利用鄰接矩陣的節(jié)點關(guān)聯(lián)信息,從空間上提取配電網(wǎng)結(jié)構(gòu)的關(guān)聯(lián)特征,通過注意力機制定義聚合函數(shù),為節(jié)點間的聚合信息重新設(shè)置權(quán)重,實現(xiàn)自適應(yīng)地聚合鄰接節(jié)點的信息[33]。

    圖注意力網(wǎng)絡(luò)通過構(gòu)建注入功率與電壓的潮流映射關(guān)系,繞過潮流計算對線路導(dǎo)納矩陣的需求,擬合潮流約束中功率、電壓變量間的函數(shù)關(guān)系,實現(xiàn)了不依賴于線路參數(shù)的等值潮流計算,其函數(shù)關(guān)系表示為:

    V=gGAT(P,Q)

    (8)

    關(guān)聯(lián)信息聚合過程如圖2所示。具體而言,將配網(wǎng)中包含拓撲關(guān)聯(lián)信息的G(X,A)進行信息聚合,獲得具有數(shù)據(jù)關(guān)聯(lián)信息的嵌入特征向量X′。

    圖2 電力系統(tǒng)關(guān)聯(lián)信息聚合過程示意圖

    (9)

    注意力系數(shù)aij經(jīng)過softmax歸一化的計算過程為:

    (10)

    式中:eij表示鄰居節(jié)點vj對目標節(jié)點vi的重要程度權(quán)重系數(shù)。

    (11)

    如式(11)將特征向量通過“‖”進行連接操作,然后輸入到單層前饋神經(jīng)網(wǎng)絡(luò)中,計算兩節(jié)點相關(guān)度,最后通過非線性激活函數(shù)LeakyReLU得到eij。如圖3所示,說明了圖注意力層中注意力運算的機制。

    圖3 圖注意力運算原理

    2.4 基于動量攻擊法的潮流回溯功率特征

    基本迭代法(basic iterative method, BIM)作為一種基礎(chǔ)地迭代攻擊算法,通過多步迭代得到擾動,沿最優(yōu)方向修改輸入值,將多次迭代的樣本裁剪(Clip)到規(guī)定范圍內(nèi),獲取目標輸出值:

    (12)

    對抗攻擊算法常用于修改輸入圖像以影響目標分類能力,相應(yīng)裁剪迭代值為整型。而功率回溯機制基于對抗攻擊以獲取目標輸出值的思想。

    對此本文對基本迭代法的對抗攻擊過程進行了相應(yīng)的改進,提出了一種基于動量攻擊法(momentum iterative method, MIM)的潮流回溯機制:

    1)梯度更新引入動量迭代思想,在計算每次擾動過程中,將動量項整合到迭代攻擊中,通過梯度累加,確保了梯度更新方向的穩(wěn)定性,并刪除了符號函數(shù),來獲取潮流回溯功率:

    (13)

    (14)

    式中:gt表示累計梯度;μ表示衰減因子。

    2)由于功率回溯過程中僅在電壓幅值下引導(dǎo)學習,而缺乏電壓相角,潮流回溯功率P、Q可能不是唯一解。因此將注入功率解耦,僅考慮與用戶異常用電行為更相關(guān)的有功功率回溯,保持系統(tǒng)無功不變的情況下,使之回溯變化量累加至有功變化量上,具體如下:

    (15)

    3 基于APFS-GMM的異常用電檢測模型

    APFS-GMM是一個用于異常用電檢測的深度學習模型,其模型框架的具體結(jié)構(gòu)如圖4所示。

    圖4 APFS-GMM模型結(jié)構(gòu)

    主要由關(guān)聯(lián)潮流感知網(wǎng)絡(luò)和估計網(wǎng)絡(luò)2個模塊組成。具體而言,利用低壓配電網(wǎng)末端用戶側(cè)智能電表所采集的功率與電壓數(shù)據(jù)和包含臺區(qū)拓撲信息的鄰接矩陣作為整個模型的輸入;在關(guān)聯(lián)潮流感知網(wǎng)絡(luò)中引入圖注意力機制聚合網(wǎng)絡(luò)節(jié)點的關(guān)聯(lián)特征,將功率特征映射到電壓上,實現(xiàn)功率-電壓的潮流映射;然后引入潮流回溯機制,通過對抗攻擊方式回溯潮流功率,構(gòu)成輸入輸出關(guān)聯(lián)的潮流感知模型;最后在基于高斯混合模型的估計網(wǎng)絡(luò)中,將提取出的關(guān)聯(lián)潮流約束誤差特征作為異常用電特征,計算概率密度矩陣作為網(wǎng)絡(luò)輸出,相對于給定閾值來檢測異常用電。

    3.1 關(guān)聯(lián)潮流感知網(wǎng)絡(luò)

    本文為獲得具有代表性的異常用電差異性特征,根據(jù)異常用電行為引起的電表數(shù)據(jù)變化的特點,以關(guān)聯(lián)聚合的潮流映射網(wǎng)絡(luò)和動量迭代攻擊的潮流回溯網(wǎng)絡(luò)的相互作用,共同構(gòu)建了關(guān)聯(lián)潮流感知網(wǎng)絡(luò),生成符合異常用電行為特點的誤差特征。

    1)潮流映射網(wǎng)絡(luò)。

    將拓撲連接信息編入潮流映射網(wǎng)絡(luò)中,通過在每個節(jié)點上執(zhí)行注意力機制,實現(xiàn)節(jié)點關(guān)聯(lián)電氣信息聚合,減小了潮流擬合的信息差,進一步提升了潮流擬合精度,引導(dǎo)網(wǎng)絡(luò)學習輸入功率與電壓間的非線性函數(shù)映射。

    2)潮流回溯網(wǎng)絡(luò)。

    為了更好地應(yīng)對復(fù)雜多樣的異常用電手法引起的電氣量異常值,本文采用了一種動量迭代攻擊算法回溯功率,將用戶量測電壓Vmea定為輸出目標,通過不斷迭代對抗攻擊網(wǎng)絡(luò)的輸入功率,使網(wǎng)絡(luò)輸出的潮流映射電壓Vmap有效地逼近于用戶量測電壓Vmea。

    在迭代對抗攻擊過程中,正常用戶的有功回溯在合理誤差范圍內(nèi),而使得異常用電用戶的潮流回溯有功差異不斷增大,從而提取出了與異常負荷相關(guān)的功率變化特征。

    3.2 估計網(wǎng)絡(luò)

    異常用電數(shù)據(jù)引起的電氣狀態(tài)量異變不符合潮流約束,難以完整進行潮流映射和潮流回溯的過程,產(chǎn)生的殘差特征將明顯偏離于正常用戶。本文基于GMM架構(gòu)設(shè)計了估計網(wǎng)絡(luò),對異常用電殘差特征計算在高斯混合模型中的權(quán)重概率,從而完成異常用電檢測。

    為了讓估計網(wǎng)絡(luò)同時學習到兩類關(guān)聯(lián)特征,對感知數(shù)據(jù)的電壓映射誤差ΔV和功率回溯誤差ΔP進行拼接(concatenate)生成殘差特征Z。將Z輸入估計網(wǎng)絡(luò)估計樣本的混合概率系數(shù)P∈RN×M。最后,根據(jù)模型的概率密度來計算竊電用戶的異常用電概率能量。具體計算步驟如下:

    1)殘差特征Z的構(gòu)建:為了考慮每個樣本的映射誤差和回溯誤差,采用Euclidean距離和余弦距離計算誤差函數(shù),計算公式為:

    (16)

    (17)

    式中:ZV、ZP分別為映射電壓誤差和回溯功率誤差;Cos(·)表示采用余弦距離計算誤差函數(shù);Euc(·)表示采用Euclidean距離計算誤差函數(shù)。

    將2種計算誤差作為2個不同的特征分別級聯(lián)拼接構(gòu)造成最終的殘差特征Z:

    Z=[ZV‖ZP]

    (18)

    2)混合概率系數(shù)P的計算:

    P=softmax[MLP(Z,θm)]

    (19)

    式中:θm為估計網(wǎng)絡(luò)的參數(shù);MLP(Z,θm)為估計網(wǎng)絡(luò)的輸出特征;softmax為激活函數(shù)。

    3)利用P計算估計網(wǎng)絡(luò)的參數(shù),計算公式為:

    (20)

    (21)

    (22)

    式中:φm、μm和Σm分別代表估計網(wǎng)絡(luò)的第m個分布的混合概率、均值和協(xié)方差。

    4)樣本能量E(z)計算公式為:

    (23)

    估計網(wǎng)絡(luò)的輸出結(jié)果表示每個樣本服從于整體近似樣本分布的概率分布,它也是系統(tǒng)狀態(tài)量理論值和量測值的偏差與系統(tǒng)總體量測精度的偏離程度,可認為是異常用電的可能性。

    綜上,APFS-GMM模型的損失函數(shù)為:

    (24)

    式中:第一項是關(guān)聯(lián)潮流感知網(wǎng)絡(luò)的殘差;第二項是估計網(wǎng)絡(luò)的預(yù)測能量;第三項是防止協(xié)方差矩陣不可逆的懲罰項。

    4 算例分析

    為了驗證APFS-GMM模型用于異常用電檢測的有效性,本節(jié)采用浙江省某典型示范區(qū)數(shù)據(jù)作為原始數(shù)據(jù),分析了包含20個臺賬明確的配電臺區(qū),用戶3 000余戶的用電數(shù)據(jù),其中包括3個商業(yè)用戶臺區(qū)、5個農(nóng)村用戶臺區(qū)和12個城鎮(zhèn)居民用戶臺區(qū)。該數(shù)據(jù)集包含了從2019年3月至2019年4月共50天,用電數(shù)據(jù)采集頻率為15 min,總計4 800組功率與電壓的樣本數(shù)據(jù)。為提供足夠的異常用電數(shù)據(jù),在上述用電數(shù)據(jù)中,根據(jù)文獻[14]模擬了異常用電行為篡改智能電表數(shù)據(jù)的特征,生成異常用電數(shù)據(jù),來驗證模型的有效性。本文提出的APFS-GMM模型在Pytorch-Geometric框架下實現(xiàn)。

    4.1 評價指標選擇

    異常用電檢測作為一個正負樣本不平衡的二分類問題,同時存在著嚴重的正負樣本不平衡問題,不能簡單地用準確率來評判模型的性能。為了評價模型的性能,本文參考異常檢測領(lǐng)域相關(guān)成果,本文采用準確率σACC、召回率Fr、F1指數(shù)F1-score和誤報率(false positive rate, FPR)kFPR作為評價指標以衡量模型的性能,上述評估指標(不包含誤報率)的值越大表示模型檢測性能越好。計算上述指標的依據(jù)來源為異常用電檢測的混淆矩陣,如表1所示。

    表1 異常用電檢測混淆矩陣

    將上述4種情況對應(yīng)的用戶樣本數(shù)量設(shè)置為MTP、MTN、MFN和MFP。

    采用準確率σACC、召回率Fr、F1指數(shù)F1-score和誤報率kFPR作為檢測性能指標:

    (25)

    (26)

    (27)

    (28)

    4.2 網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)設(shè)置

    對于關(guān)聯(lián)特征聚合的圖神經(jīng)網(wǎng)絡(luò)層數(shù)的選擇,注意力層太少面臨特征聚合效果不明顯,太大則面臨特征退化的問題。具體的層數(shù)選擇通過對比1—4層模型的訓練效果選擇最優(yōu)層數(shù)。注意力頭數(shù)的取值范圍為1~8,同樣根據(jù)訓練結(jié)果進行比選。

    對于關(guān)聯(lián)感知的潮流映射任務(wù),本文選擇均方差(mean squared error, MSE)YMSE作為衡量模型的性能。

    (29)

    本文固定其他網(wǎng)絡(luò)層的結(jié)構(gòu),通過比較圖注意力網(wǎng)絡(luò)電壓映射能力與異常檢測性能指標來確定GAT層的超參數(shù),實驗結(jié)果如圖5所示。

    圖5 GAT層的實驗結(jié)果

    由圖5(a)可知,僅單層的GAT網(wǎng)絡(luò)聚合關(guān)聯(lián)信息的能力較差,各項指標上檢測效果不佳,兩層的GAT網(wǎng)絡(luò)可以有效地聚合各鄰接節(jié)點間的關(guān)聯(lián),但隨著更多GAT層的加入,準確率、召回率、F1指數(shù)和FPR的性能指標隨之逐步下降,同時在電壓均方差上也是兩層的GAT網(wǎng)絡(luò)損失最小,性能最優(yōu),因此本模型采用兩層的GAT網(wǎng)絡(luò)層。根據(jù)圖5(b)可知,注意力頭數(shù)為4時,模型關(guān)聯(lián)感知性能最優(yōu),相應(yīng)的電壓映射均方差最小,與此同時的異常檢測F1指數(shù)最優(yōu)。關(guān)聯(lián)感知網(wǎng)絡(luò)中圖注意力參數(shù)設(shè)置如表2所示。

    表2 關(guān)聯(lián)潮流感知網(wǎng)絡(luò)參數(shù)

    估計網(wǎng)絡(luò)學習輸入殘差特征Z的分布特性,通過softmax激活函數(shù)輸出樣本的混合概率系數(shù)矩陣P。同時在網(wǎng)絡(luò)中添加Dropout層防止估計網(wǎng)絡(luò)發(fā)生過擬合[34]。最后,在CA-GMM中采用Adam優(yōu)化,批處理量為20,學習率為0.001,λ1=0.1,λ2=0.005,迭代次數(shù)為5 000,估計網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù)如表3所示。

    表3 估計網(wǎng)絡(luò)參數(shù)設(shè)置

    4.3 異常用電檢測性能評估

    4.3.1 GAT網(wǎng)絡(luò)潮流映射能力

    為了驗證模型中圖注意力網(wǎng)絡(luò)的電壓映射能力的有效性,本文還嘗試了卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural networks, CNN)和多層感知機(multilayer perceptron,MLP)這2種網(wǎng)絡(luò)作為潮流映射的神經(jīng)網(wǎng)絡(luò),并與GAT模型進行對照,關(guān)聯(lián)感知網(wǎng)絡(luò)和估計網(wǎng)絡(luò)的其他模塊保持相同。CNN網(wǎng)絡(luò)采用文獻[31]的輸入構(gòu)成方式進行對比。

    各模型經(jīng)過充分訓練后,采用城鎮(zhèn)居民用戶臺區(qū)4月1日到10日的960組數(shù)據(jù)作為驗證集,各模型的電壓擬合結(jié)果如圖6所示。

    圖6 不同模型下電壓擬合誤差曲線

    在潮流映射電壓擬合效果上,MLP網(wǎng)絡(luò)并不完全收斂,電壓映射誤差較大;CNN網(wǎng)絡(luò)通過提取鄰近節(jié)點的局部特征,具有相對有效的電壓映射能力;GAT網(wǎng)絡(luò)通過嵌入鄰接矩陣信息,提升了模型的感知視野,進一步聚合關(guān)聯(lián)節(jié)點的信息,提高了電壓映射能力,測試集上電壓映射誤差小于0.005,可以滿足異常用電檢測任務(wù)的性能要求。

    4.3.2 殘差特征可視化

    為了體現(xiàn)模型學習過程中殘差特征的嵌入質(zhì)量,本文選用tSNE工具對估計網(wǎng)絡(luò)的誤差特征輸入量進行可視化展示,結(jié)果如圖7所示。

    圖7 基于tSNE的誤差特征可視化

    APFS-GMM模型由于借助于鄰接矩陣提供的全局視野,進行了關(guān)聯(lián)特征聚合過程,提取到有效的電壓殘差特征,同時增加了回溯功率的殘差特征,將用電數(shù)據(jù)進行更有效地區(qū)分,從可視化圖中,異常樣本聚集明顯且能夠與正常樣本分離,為后續(xù)的異常檢測提供了有效的輸入特征。

    4.3.3 與其他算法的對比

    為了驗證APFS-GMM模型的異常用電檢測性能,選取浙江省某區(qū)域50個有異常用電記錄的臺區(qū)歷史用電數(shù)據(jù),根據(jù)異常用電方法(分壓法、分流法、移相法等)[14]和電力公司稽查確認的異常用電用戶案例為依據(jù),構(gòu)建相應(yīng)的異常用電用戶數(shù)據(jù)作為驗證數(shù)據(jù)集,給予相應(yīng)的異常用電用戶標簽,標簽只用于驗證模型結(jié)果,不參與模型訓練。將各種檢測方法按不同異常用電方法進行分類檢測,其異常用電檢測結(jié)果如表4所示。

    表4 不同模型的異常用電行為檢測結(jié)果

    由表4可知,與傳統(tǒng)的利用日用電量曲線等負荷時間序列的辨識方法相比,本文所提AFPS-GMM異常用電檢測模型的準確率σACC接近1,有很好的辨識效果,且誤報率kFPR十分接近0,較低的誤報率更有利于電力公司稽查效率的提高。相應(yīng)的F1指數(shù)F1-score和召回率Fr都接近1,異常檢測性能表現(xiàn)具有一定的優(yōu)勢。APFS-GMM模型不會受到用戶負荷隨機波動與特殊用戶不尋常用電習慣的影響,所提出的差異性指標更符合異常用電行為特征。

    4.3.4 多目標異常用電檢測能力分析

    為了驗證APFS-GMM模型在同時段出現(xiàn)多個異常用電用戶時的檢測性能。本文設(shè)置在不同用戶規(guī)模下,同時出現(xiàn)3、4、5、6和7個異常用電用戶時進行異常用電檢測,檢測結(jié)果如圖8所示。

    圖8 多目標異常用電檢測結(jié)果

    由圖8可知,當臺區(qū)內(nèi)同時段異常用電用戶數(shù)維持在3~4戶時,APFS-GMM模型以較高F1指數(shù)和較低誤報率檢測出相應(yīng)的異常用戶;當用戶數(shù)攀升至5戶往上時,在小規(guī)模臺區(qū)的檢測性能相對可靠,但隨著檢測規(guī)模的擴大,相應(yīng)檢測性能也有明顯下降。

    為驗證在各類型臺區(qū)下的多目標檢測能力,選擇了3種不同類別用戶的臺區(qū)進行試驗,試驗結(jié)果如表5所示。

    表5 不同類型臺區(qū)多目標檢測能力

    其中最小F1-score與最大kFPR皆為異常用戶增多至9個時所對應(yīng)的值,可以發(fā)現(xiàn)APFS-GMM的多目標檢測能力約為3個。同時異常用電行為用戶只占極少一部分,單個臺區(qū)同時段內(nèi)發(fā)生3個以上異常用戶的概率幾乎為0。在不同臺區(qū)下,APFS-GMM的多目標檢測能力的魯棒性均較為顯著。

    4.3.5 APFS-GMM的拓撲變動適應(yīng)性校驗

    為了測試APFS-GMM在臺區(qū)拓撲變動情況的適應(yīng)性,本文與文獻[31]的電壓擬合卷積模型從網(wǎng)絡(luò)拓撲變動方面進行對比驗證。

    在臺賬明確的配電臺區(qū)中選用3號農(nóng)村用戶臺區(qū),APFS-GMM與擬合CNN模型在拓撲變動前進行充分訓練,學習相應(yīng)的潮流映射過程,在仿真環(huán)境下將10、18號用戶改接入6號用戶所處支路重新計算潮流,同時15、25號用戶屬于異常用電用戶,測試結(jié)果如圖9所示。

    圖9 拓撲變動下的異常用電檢測能力對比

    在3號臺區(qū)中,將異常概率能量大于0.5的用戶視為異常用電用戶。拓撲變動前后,APFS-GMM通過更新鄰接矩陣,與擬合CNN依賴于相鄰用戶順序編號的輸入量對比,掌握了一定的拓撲變動信息,仍能準確地進行關(guān)聯(lián)潮流感知,具有較好的拓撲變動適應(yīng)性。

    5 結(jié) 論

    為了從信息耦合的電力數(shù)據(jù)中挖掘出潛在的異常用電用戶,提高現(xiàn)場稽查異常用電的準確性,提出了針對智能電表數(shù)據(jù)感知校驗的異常用電檢測方法,得到如下結(jié)論:

    1)分析了異常用電行為后系統(tǒng)狀態(tài)產(chǎn)生的變化特征,建立起異常用電與智能電表量測數(shù)據(jù)異常間關(guān)聯(lián)性,提高了方法的異常預(yù)警能力。

    2)由于配電網(wǎng)異常用電行為產(chǎn)生的異常電氣數(shù)據(jù)存在耦合關(guān)聯(lián)性,本文提出了APFS-GMM模型進行異常用電檢測,重點研究了神經(jīng)網(wǎng)絡(luò)等值潮流模型與潮流回溯機制,實現(xiàn)了對用戶側(cè)潮流數(shù)據(jù)的關(guān)聯(lián)感知,挖掘了受潮流約束的異常用電關(guān)聯(lián)殘差特征進行異常檢測。

    3)與其他方法相比較,APFS-GMM對電壓功率的異常用電特征進行關(guān)聯(lián)建模,提取出受潮流約束的關(guān)聯(lián)殘差特征,最大化保留了原始數(shù)據(jù)信息,在實際應(yīng)用中適用于多種類型用戶臺區(qū)檢測,具有更好的準確率,對異常用電用戶可準確辨識,為配網(wǎng)異常用電檢測與分析提供了全新有效的方案。

    猜你喜歡
    潮流用電關(guān)聯(lián)
    用電安全
    用煤用電用氣保障工作的通知
    安全用電知識多
    “一帶一路”遞進,關(guān)聯(lián)民生更緊
    當代陜西(2019年15期)2019-09-02 01:52:00
    用電安全要注意
    奇趣搭配
    智趣
    讀者(2017年5期)2017-02-15 18:04:18
    潮流
    足球周刊(2016年14期)2016-11-02 11:47:59
    潮流
    足球周刊(2016年15期)2016-11-02 11:44:02
    潮流
    足球周刊(2016年10期)2016-10-08 18:50:29
    别揉我奶头 嗯啊视频| 男人狂女人下面高潮的视频| 在线国产一区二区在线| 欧美日韩综合久久久久久| 国产三级在线视频| 国产一区二区激情短视频| 亚洲五月天丁香| 97超级碰碰碰精品色视频在线观看| 久久久精品大字幕| 日本成人三级电影网站| 久久久久久久久大av| 久久6这里有精品| 欧美xxxx性猛交bbbb| 精品一区二区三区av网在线观看| 国产成人精品久久久久久| 免费看a级黄色片| 精品一区二区免费观看| 久久久久国内视频| 国产又黄又爽又无遮挡在线| 免费观看在线日韩| 免费电影在线观看免费观看| 日本一二三区视频观看| 成人综合一区亚洲| 亚洲电影在线观看av| 国产蜜桃级精品一区二区三区| 我要看日韩黄色一级片| 成人鲁丝片一二三区免费| 小蜜桃在线观看免费完整版高清| 午夜福利在线在线| 国产精品爽爽va在线观看网站| 国产真实乱freesex| 午夜久久久久精精品| 99久久九九国产精品国产免费| 国产真实伦视频高清在线观看| 亚洲内射少妇av| 男插女下体视频免费在线播放| 蜜桃久久精品国产亚洲av| 天天一区二区日本电影三级| 男女下面进入的视频免费午夜| 日韩成人av中文字幕在线观看 | 欧美日韩综合久久久久久| avwww免费| 日本爱情动作片www.在线观看 | www.色视频.com| 日韩av在线大香蕉| 亚洲不卡免费看| 久久久久国产网址| 免费av毛片视频| 国产精品久久视频播放| 欧美国产日韩亚洲一区| 精品熟女少妇av免费看| 九色成人免费人妻av| 午夜免费激情av| 国内久久婷婷六月综合欲色啪| 网址你懂的国产日韩在线| 日韩精品有码人妻一区| 亚洲高清免费不卡视频| 99热这里只有是精品50| 亚洲激情五月婷婷啪啪| 天美传媒精品一区二区| 国产精品久久电影中文字幕| 亚洲国产高清在线一区二区三| 久久久久久久久大av| 18禁裸乳无遮挡免费网站照片| 国产在视频线在精品| 婷婷精品国产亚洲av| 日本 av在线| 欧美在线一区亚洲| 级片在线观看| 在线观看免费视频日本深夜| 国产欧美日韩精品亚洲av| 亚洲四区av| 国产色爽女视频免费观看| 小说图片视频综合网站| 变态另类丝袜制服| 一级黄片播放器| 午夜日韩欧美国产| 国产精品福利在线免费观看| 日日干狠狠操夜夜爽| 欧美成人精品欧美一级黄| 少妇熟女aⅴ在线视频| av国产免费在线观看| 一区二区三区四区激情视频 | 欧美激情久久久久久爽电影| 草草在线视频免费看| 久久天躁狠狠躁夜夜2o2o| 色尼玛亚洲综合影院| 亚洲专区国产一区二区| 亚洲内射少妇av| 久久精品夜色国产| 成人高潮视频无遮挡免费网站| 国产不卡一卡二| 99久久无色码亚洲精品果冻| 久久人妻av系列| 日本黄色视频三级网站网址| 久久久久久国产a免费观看| 一进一出抽搐动态| 日韩欧美在线乱码| 精品人妻视频免费看| 亚洲欧美日韩卡通动漫| 99久久成人亚洲精品观看| 女同久久另类99精品国产91| 日本精品一区二区三区蜜桃| aaaaa片日本免费| 搞女人的毛片| 一a级毛片在线观看| 亚洲婷婷狠狠爱综合网| 午夜精品一区二区三区免费看| 不卡一级毛片| 深爱激情五月婷婷| 热99re8久久精品国产| 亚洲av成人精品一区久久| 国产高潮美女av| 激情 狠狠 欧美| 久久久国产成人精品二区| 少妇熟女aⅴ在线视频| 久久久成人免费电影| 久久九九热精品免费| 淫妇啪啪啪对白视频| 永久网站在线| 欧美一区二区国产精品久久精品| 极品教师在线视频| 午夜福利在线观看免费完整高清在 | 国产亚洲精品久久久久久毛片| 天堂动漫精品| 免费看日本二区| 亚洲精品一卡2卡三卡4卡5卡| 久久精品国产清高在天天线| 99热6这里只有精品| 国产免费男女视频| 波多野结衣高清作品| 51国产日韩欧美| 欧美日韩国产亚洲二区| 免费av毛片视频| 久久久国产成人免费| 日韩欧美在线乱码| 国产不卡一卡二| 国产精华一区二区三区| 亚洲性久久影院| 色噜噜av男人的天堂激情| 高清毛片免费观看视频网站| 国产精品人妻久久久久久| 亚洲精品日韩av片在线观看| 1024手机看黄色片| 在线播放无遮挡| 亚洲精品成人久久久久久| 免费搜索国产男女视频| 一级毛片aaaaaa免费看小| 午夜福利在线在线| 男插女下体视频免费在线播放| 国产精品,欧美在线| 高清毛片免费观看视频网站| 国产免费男女视频| 欧美精品国产亚洲| 成人性生交大片免费视频hd| 国产精品99久久久久久久久| 日韩三级伦理在线观看| 男人狂女人下面高潮的视频| 夜夜看夜夜爽夜夜摸| 国产欧美日韩精品亚洲av| 成年免费大片在线观看| 精品不卡国产一区二区三区| 免费看美女性在线毛片视频| 人妻丰满熟妇av一区二区三区| 日日啪夜夜撸| 美女内射精品一级片tv| 欧美潮喷喷水| 人人妻,人人澡人人爽秒播| 日韩成人av中文字幕在线观看 | 国产高清视频在线观看网站| 亚洲欧美日韩高清专用| 尾随美女入室| 久久99热这里只有精品18| 精品欧美国产一区二区三| 91在线观看av| avwww免费| 精品一区二区三区视频在线| 亚洲久久久久久中文字幕| 少妇熟女aⅴ在线视频| 亚洲av免费在线观看| 国产中年淑女户外野战色| 亚洲无线观看免费| 国产一级毛片七仙女欲春2| 国产一区二区激情短视频| 国产欧美日韩一区二区精品| 观看免费一级毛片| 欧美又色又爽又黄视频| 两个人视频免费观看高清| 老女人水多毛片| 亚洲精品日韩在线中文字幕 | 亚洲人成网站在线播| 日本-黄色视频高清免费观看| 中文字幕熟女人妻在线| 内地一区二区视频在线| 日本黄大片高清| 偷拍熟女少妇极品色| 级片在线观看| 亚洲精品日韩在线中文字幕 | 中文字幕人妻熟人妻熟丝袜美| 22中文网久久字幕| 岛国在线免费视频观看| 国产精品一区二区免费欧美| 亚洲美女黄片视频| 日韩欧美精品免费久久| 免费一级毛片在线播放高清视频| 亚洲成人中文字幕在线播放| 99久国产av精品国产电影| 久久久欧美国产精品| 国产高清激情床上av| 能在线免费观看的黄片| 人妻制服诱惑在线中文字幕| 精品乱码久久久久久99久播| 美女高潮的动态| 日本成人三级电影网站| 国产一区二区三区在线臀色熟女| 在线播放国产精品三级| 嫩草影视91久久| 夜夜爽天天搞| 成人综合一区亚洲| 亚洲精品成人久久久久久| 好男人在线观看高清免费视频| 内射极品少妇av片p| 深夜精品福利| 男人狂女人下面高潮的视频| 你懂的网址亚洲精品在线观看 | 国产精品三级大全| 成年女人毛片免费观看观看9| 午夜福利在线观看免费完整高清在 | 最近中文字幕高清免费大全6| 国产aⅴ精品一区二区三区波| 亚洲精品一区av在线观看| 亚洲精品久久国产高清桃花| 国产精品人妻久久久久久| 婷婷六月久久综合丁香| 狂野欧美白嫩少妇大欣赏| 成年版毛片免费区| 精品久久国产蜜桃| 女的被弄到高潮叫床怎么办| 亚洲成人久久性| 欧美在线一区亚洲| 赤兔流量卡办理| 国产精品av视频在线免费观看| 精品人妻熟女av久视频| 国语自产精品视频在线第100页| 麻豆国产97在线/欧美| 高清毛片免费看| 国产av在哪里看| 国产高清有码在线观看视频| 老女人水多毛片| 亚洲精品日韩av片在线观看| 亚洲国产精品成人久久小说 | 国产精品av视频在线免费观看| 少妇熟女欧美另类| 小说图片视频综合网站| 国产精品女同一区二区软件| 淫妇啪啪啪对白视频| 少妇丰满av| 热99re8久久精品国产| 熟女电影av网| 成人午夜高清在线视频| 欧美潮喷喷水| 国产成人91sexporn| 麻豆av噜噜一区二区三区| 日本-黄色视频高清免费观看| а√天堂www在线а√下载| 可以在线观看毛片的网站| 日韩精品有码人妻一区| 欧美xxxx性猛交bbbb| 高清午夜精品一区二区三区 | 国产日本99.免费观看| 国产一级毛片七仙女欲春2| 免费人成视频x8x8入口观看| 亚洲中文日韩欧美视频| 免费不卡的大黄色大毛片视频在线观看 | 亚洲av五月六月丁香网| 97在线视频观看| 丝袜喷水一区| 少妇人妻一区二区三区视频| 一本一本综合久久| 三级经典国产精品| 99九九线精品视频在线观看视频| 国产高清三级在线| 一a级毛片在线观看| a级毛色黄片| 99久久久亚洲精品蜜臀av| 色播亚洲综合网| 亚洲成av人片在线播放无| 免费不卡的大黄色大毛片视频在线观看 | 国产午夜福利久久久久久| 国产高清有码在线观看视频| 日韩欧美在线乱码| 长腿黑丝高跟| 亚洲国产精品久久男人天堂| av天堂在线播放| 97人妻精品一区二区三区麻豆| 乱系列少妇在线播放| 全区人妻精品视频| 91久久精品国产一区二区成人| 久久亚洲国产成人精品v| 长腿黑丝高跟| 中文字幕人妻熟人妻熟丝袜美| 国产 一区精品| 一进一出抽搐动态| 你懂的网址亚洲精品在线观看 | 久久久久久国产a免费观看| 国产在视频线在精品| 日本色播在线视频| 久久人人爽人人片av| 12—13女人毛片做爰片一| 少妇猛男粗大的猛烈进出视频 | 2021天堂中文幕一二区在线观| 男人和女人高潮做爰伦理| 国产黄片美女视频| 搡老妇女老女人老熟妇| 精品人妻一区二区三区麻豆 | 乱系列少妇在线播放| 欧美日韩一区二区视频在线观看视频在线 | 国产精品一及| 欧洲精品卡2卡3卡4卡5卡区| 亚洲成人精品中文字幕电影| 亚洲国产精品成人久久小说 | 国产成年人精品一区二区| 99热这里只有精品一区| 国产真实伦视频高清在线观看| 热99re8久久精品国产| 99久久久亚洲精品蜜臀av| 日本一二三区视频观看| 亚洲成人av在线免费| 欧美在线一区亚洲| 免费看光身美女| 俄罗斯特黄特色一大片| 真人做人爱边吃奶动态| 免费高清视频大片| 国产色爽女视频免费观看| 精品一区二区免费观看| 中文字幕免费在线视频6| 婷婷精品国产亚洲av在线| 久久久色成人| 欧美三级亚洲精品| 毛片一级片免费看久久久久| 搞女人的毛片| 听说在线观看完整版免费高清| 亚洲丝袜综合中文字幕| 免费高清视频大片| 淫妇啪啪啪对白视频| 久久久久久久久大av| 久久精品国产亚洲av天美| 18禁黄网站禁片免费观看直播| 欧美色欧美亚洲另类二区| 日韩av不卡免费在线播放| 人妻少妇偷人精品九色| 免费在线观看影片大全网站| 六月丁香七月| 欧美激情久久久久久爽电影| 日本免费a在线| 18+在线观看网站| 有码 亚洲区| 国内精品久久久久精免费| 99久久中文字幕三级久久日本| 精品久久久久久久久久久久久| 成人国产麻豆网| 亚洲久久久久久中文字幕| 久久精品久久久久久噜噜老黄 | 国产麻豆成人av免费视频| 亚洲成人久久性| 国产淫片久久久久久久久| 三级国产精品欧美在线观看| 在现免费观看毛片| 亚洲欧美精品自产自拍| 久久久久国内视频| 在线观看免费视频日本深夜| 俺也久久电影网| 高清午夜精品一区二区三区 | 亚洲av电影不卡..在线观看| 成人三级黄色视频| 成人二区视频| 亚洲成人中文字幕在线播放| 欧美成人精品欧美一级黄| 欧美日韩精品成人综合77777| 极品教师在线视频| 日韩中字成人| 国产91av在线免费观看| 亚洲欧美成人综合另类久久久 | 国产单亲对白刺激| 村上凉子中文字幕在线| 老司机午夜福利在线观看视频| 97人妻精品一区二区三区麻豆| 91精品国产九色| 成人三级黄色视频| 精品日产1卡2卡| eeuss影院久久| 晚上一个人看的免费电影| 国产一区二区在线观看日韩| 中文字幕免费在线视频6| 日本 av在线| 国产av一区在线观看免费| 91麻豆精品激情在线观看国产| 国产 一区 欧美 日韩| 91麻豆精品激情在线观看国产| 中文字幕人妻熟人妻熟丝袜美| 精品乱码久久久久久99久播| 欧美一级a爱片免费观看看| 日本精品一区二区三区蜜桃| 国产探花在线观看一区二区| 久久久久久久午夜电影| 久久亚洲国产成人精品v| 亚洲av一区综合| 人妻制服诱惑在线中文字幕| 免费搜索国产男女视频| 日本成人三级电影网站| 久久国内精品自在自线图片| 精品一区二区三区人妻视频| 给我免费播放毛片高清在线观看| 亚洲成人久久性| 狂野欧美白嫩少妇大欣赏| 亚洲精品在线观看二区| 老司机影院成人| 老熟妇乱子伦视频在线观看| 夜夜爽天天搞| 你懂的网址亚洲精品在线观看 | 高清毛片免费观看视频网站| 身体一侧抽搐| 午夜激情福利司机影院| 国产精品无大码| 精品久久久久久成人av| 久久久久久伊人网av| 亚洲在线自拍视频| 国产一区二区激情短视频| 亚洲成av人片在线播放无| 日韩成人av中文字幕在线观看 | 午夜爱爱视频在线播放| 一区二区三区高清视频在线| 精品无人区乱码1区二区| 成人三级黄色视频| 日本三级黄在线观看| 色吧在线观看| 国内精品久久久久精免费| 久久久久久大精品| 国产伦一二天堂av在线观看| 69人妻影院| av福利片在线观看| 精品欧美国产一区二区三| 嫩草影视91久久| 男人狂女人下面高潮的视频| 久久精品国产亚洲av香蕉五月| 国产精品一区二区免费欧美| 久久久久久久午夜电影| 欧美绝顶高潮抽搐喷水| 亚洲精品影视一区二区三区av| 嫩草影院入口| 国产精品1区2区在线观看.| 高清毛片免费观看视频网站| 又粗又爽又猛毛片免费看| 成年免费大片在线观看| 99久久精品热视频| 天堂网av新在线| 久久久久久久午夜电影| 国产精品乱码一区二三区的特点| 午夜福利在线观看吧| 国产午夜福利久久久久久| 在线免费观看不下载黄p国产| 欧美+亚洲+日韩+国产| 中出人妻视频一区二区| 日日撸夜夜添| 免费一级毛片在线播放高清视频| 亚洲av第一区精品v没综合| h日本视频在线播放| 久久久色成人| 亚洲自拍偷在线| 直男gayav资源| 国产精品人妻久久久影院| 免费一级毛片在线播放高清视频| 最近中文字幕高清免费大全6| 女同久久另类99精品国产91| 久久精品夜色国产| 最新中文字幕久久久久| 亚洲av成人精品一区久久| 亚洲最大成人av| 久久久久国产网址| 亚洲av免费高清在线观看| 亚洲精品亚洲一区二区| 免费黄网站久久成人精品| 亚洲av免费在线观看| 18+在线观看网站| 日韩av在线大香蕉| 免费在线观看影片大全网站| 又爽又黄无遮挡网站| 国产成人91sexporn| 免费一级毛片在线播放高清视频| 久久6这里有精品| 国产极品精品免费视频能看的| 国产麻豆成人av免费视频| 国产一区二区在线观看日韩| 人妻丰满熟妇av一区二区三区| 免费看美女性在线毛片视频| 插逼视频在线观看| 久久精品国产亚洲网站| 日韩制服骚丝袜av| 亚洲丝袜综合中文字幕| 久久6这里有精品| 日本黄大片高清| 啦啦啦啦在线视频资源| 看非洲黑人一级黄片| 一卡2卡三卡四卡精品乱码亚洲| 精华霜和精华液先用哪个| 精品人妻一区二区三区麻豆 | 午夜精品一区二区三区免费看| 俄罗斯特黄特色一大片| 小说图片视频综合网站| 日本一二三区视频观看| 精品一区二区三区人妻视频| 麻豆乱淫一区二区| 久久久成人免费电影| 久久人妻av系列| 亚洲精品色激情综合| 精品久久久噜噜| 在线观看美女被高潮喷水网站| 熟女电影av网| 欧美丝袜亚洲另类| 日韩精品有码人妻一区| 国产av麻豆久久久久久久| 狠狠狠狠99中文字幕| 国产高清不卡午夜福利| 中文字幕精品亚洲无线码一区| 亚洲美女视频黄频| 国产激情偷乱视频一区二区| 夜夜爽天天搞| 欧美+亚洲+日韩+国产| 亚洲美女搞黄在线观看 | 久久鲁丝午夜福利片| 日本欧美国产在线视频| 国产三级在线视频| 又黄又爽又刺激的免费视频.| 欧美一区二区亚洲| 精品熟女少妇av免费看| 亚洲精品456在线播放app| 日本精品一区二区三区蜜桃| 日本熟妇午夜| 一本一本综合久久| eeuss影院久久| 亚洲丝袜综合中文字幕| 一个人观看的视频www高清免费观看| ponron亚洲| 色av中文字幕| 99在线人妻在线中文字幕| 成人高潮视频无遮挡免费网站| 99在线视频只有这里精品首页| 日本色播在线视频| 大又大粗又爽又黄少妇毛片口| 日本爱情动作片www.在线观看 | 蜜桃亚洲精品一区二区三区| 国产一区亚洲一区在线观看| 亚洲欧美日韩东京热| 国产片特级美女逼逼视频| 日本色播在线视频| 成人一区二区视频在线观看| 99久久无色码亚洲精品果冻| 男人舔奶头视频| 日韩欧美国产在线观看| 免费大片18禁| av在线蜜桃| 国产91av在线免费观看| 欧美性猛交黑人性爽| 国产精品亚洲一级av第二区| 97超级碰碰碰精品色视频在线观看| 我的女老师完整版在线观看| 国产免费男女视频| 在线免费十八禁| 热99在线观看视频| 在线播放无遮挡| 99久久精品国产国产毛片| 91av网一区二区| 一级毛片aaaaaa免费看小| 国产精品久久久久久av不卡| 99国产极品粉嫩在线观看| 真实男女啪啪啪动态图| 少妇裸体淫交视频免费看高清| 精品一区二区三区视频在线观看免费| 精品午夜福利视频在线观看一区| 精品久久久久久久久av| av天堂中文字幕网| 欧美3d第一页| 变态另类丝袜制服| 人人妻人人澡人人爽人人夜夜 | 99热这里只有精品一区| 精品乱码久久久久久99久播| 亚洲aⅴ乱码一区二区在线播放| 欧美激情国产日韩精品一区| 六月丁香七月| 国产高清视频在线播放一区| 久久草成人影院| 高清日韩中文字幕在线| 精品久久久噜噜| 亚洲无线在线观看| 久久鲁丝午夜福利片| 丝袜美腿在线中文| 色哟哟哟哟哟哟| 美女 人体艺术 gogo| 国产真实伦视频高清在线观看| 尤物成人国产欧美一区二区三区| 国产成人福利小说| 中国美白少妇内射xxxbb| 18禁在线无遮挡免费观看视频 | 国产成人a∨麻豆精品| 日韩欧美 国产精品| 一级av片app| 亚洲av.av天堂| 99热精品在线国产| 欧美日韩乱码在线| 婷婷精品国产亚洲av| 99在线视频只有这里精品首页| 无遮挡黄片免费观看| 国产大屁股一区二区在线视频| 一级毛片电影观看 | 黑人高潮一二区|