亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        外在因素對(duì)電力系統(tǒng)負(fù)荷特性指標(biāo)影響

        2021-07-16 10:42:56彭懷德鐘士元李玉婷王敏
        江西電力 2021年6期
        關(guān)鍵詞:峰谷南昌市氣溫

        彭懷德,鐘士元,李玉婷,王敏

        (國(guó)網(wǎng)江西省電力有限公司經(jīng)濟(jì)技術(shù)研究院,江西 南昌 330096)

        0 引言

        電力負(fù)荷特性指標(biāo)分析是電力系統(tǒng)負(fù)荷特性預(yù)測(cè)、電網(wǎng)規(guī)劃等主要決策的基礎(chǔ),準(zhǔn)確把握電網(wǎng)負(fù)荷變動(dòng)規(guī)律,確定影響負(fù)荷特性指標(biāo)的主要因素及挖掘隱藏在負(fù)荷特性指標(biāo)間的內(nèi)在規(guī)律,對(duì)電網(wǎng)的發(fā)展與決策具有重要意義。

        1 負(fù)荷特性指標(biāo)與外在因素影響

        國(guó)家電網(wǎng)公司2005年下發(fā)的《負(fù)荷特性研究?jī)?nèi)容深度要求及指標(biāo)解釋》中包含了各類負(fù)荷特性指標(biāo)的定義及計(jì)算公式。以時(shí)間為尺度,不同時(shí)限可以以不同的負(fù)荷特性進(jìn)行描述,主要以日、月、年為時(shí)限,定義日、月、年負(fù)荷特性指標(biāo),共23個(gè)指標(biāo)[1]。目前,日負(fù)荷特性指標(biāo)與年負(fù)荷特性指標(biāo)常在負(fù)荷預(yù)測(cè)中應(yīng)用。

        電力負(fù)荷變動(dòng)的影響因素很多,各因素對(duì)電網(wǎng)負(fù)荷的影響程度不同。經(jīng)外在因素調(diào)研,以其對(duì)電力系統(tǒng)負(fù)荷影響程度衡量,確定對(duì)氣候因素、經(jīng)濟(jì)因素與節(jié)假日因素予以分析。下面分析主要影響因素對(duì)負(fù)荷特性變動(dòng)影響。

        1.1 氣候因素

        近些年,氣候因素對(duì)電網(wǎng)負(fù)荷特性的影響顯得尤為明顯。隨著地球變暖,各地最高氣溫屢創(chuàng)新高,對(duì)應(yīng)的空調(diào)、風(fēng)扇的制冷負(fù)荷增大,夏季成為多數(shù)地區(qū)的年最大負(fù)荷出現(xiàn)的季節(jié)。而冬季由于天氣寒冷,像江西等沒(méi)有單獨(dú)供暖設(shè)備的地區(qū),空調(diào)、電烤爐等的供暖負(fù)荷也將增大。在晝夜溫差較大的時(shí)節(jié),日峰谷差將顯著增加,最高溫與最低溫出現(xiàn)的季節(jié)日最大負(fù)荷與日均用電量均會(huì)上升。

        1.2 經(jīng)濟(jì)因素

        經(jīng)濟(jì)因素是引起電力系統(tǒng)負(fù)荷發(fā)生變動(dòng)的一個(gè)重要因素,隨著經(jīng)濟(jì)的不斷發(fā)展與社會(huì)產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整,電力用戶用電模式和負(fù)荷的構(gòu)成發(fā)生了很大的變化。

        1.3 節(jié)假日因素

        節(jié)假日主要包括周末、法定及傳統(tǒng)的節(jié)假日。以時(shí)間為順序大致包括以下:元旦、春節(jié)、清明節(jié)、五一勞動(dòng)節(jié)、端午節(jié)、十一國(guó)慶節(jié)、中秋節(jié)。節(jié)假日對(duì)負(fù)荷特性的影響主要集中第二產(chǎn)業(yè)的工業(yè)和建筑業(yè)及第三產(chǎn)業(yè)的商業(yè)、住宿與餐飲業(yè)等。到了節(jié)假日,第二產(chǎn)業(yè)負(fù)荷急劇減少,第三產(chǎn)業(yè)住宿、餐飲業(yè)、居民服務(wù)業(yè)等與工作日相比都明顯的升高。由于節(jié)假日的變動(dòng)都以年為周期,周而復(fù)始的輪回,所以其影響主要體現(xiàn)在日、月負(fù)荷特性指標(biāo)上。

        2 影響因素關(guān)聯(lián)分析

        通過(guò)上述分析,可以將外部影響因素與負(fù)荷特性指標(biāo)進(jìn)行對(duì)應(yīng),如圖1所示,發(fā)現(xiàn)外部影響因素與負(fù)荷特性指標(biāo)存在一對(duì)多或多對(duì)多關(guān)系。如年最大負(fù)荷一個(gè)指標(biāo)受年最高氣溫、GDP、人均GDP、人口數(shù)、人均可支配收入五個(gè)因素影響;同樣一個(gè)影響因素也可對(duì)應(yīng)多個(gè)指標(biāo),如年最高氣溫可影響年最大負(fù)荷、季不均衡系數(shù)、年最大峰谷差、年最大峰谷差率4個(gè)指標(biāo)[2]。因此需要從網(wǎng)狀結(jié)構(gòu)中選出主要影響因素,即相關(guān)性更高的影響因素予以預(yù)測(cè),以達(dá)到提高準(zhǔn)確率的目的。

        圖1 影響因素與負(fù)荷特性指標(biāo)關(guān)系示意圖

        2.1 基于多對(duì)多關(guān)聯(lián)關(guān)系解耦的負(fù)荷特性指標(biāo)灰色關(guān)聯(lián)度分析

        多變量系統(tǒng)的解耦是把相互耦合的多輸入多輸出系統(tǒng)轉(zhuǎn)換為多個(gè)相互獨(dú)立的單變量系統(tǒng),從而使整個(gè)測(cè)算過(guò)程可以控制。多對(duì)多關(guān)系解耦的目的,在于測(cè)算某一負(fù)荷特性指標(biāo)的提升、降低需要某幾類影響因素、數(shù)據(jù)分別是多少,以及某一類影響因素?cái)?shù)據(jù)的提升、降低對(duì)某幾個(gè)負(fù)荷特性指標(biāo)的影響分別是多少,即通過(guò)計(jì)算各子影響因素與某一負(fù)荷特性指標(biāo)的關(guān)聯(lián)程度確定各影響因素的權(quán)重。文中運(yùn)用灰色關(guān)聯(lián)度算法,對(duì)上述多對(duì)多關(guān)系進(jìn)行解耦測(cè)算。

        設(shè)總目標(biāo)數(shù)據(jù)列X0={X0(t),t=1,2L,n},影響因素?cái)?shù)據(jù)列Xi={Xi(t),i=1,2L,n}。m為影響因素的個(gè)數(shù),n為時(shí)間變量的個(gè)數(shù)。適應(yīng)于正向指標(biāo)及逆向指標(biāo)的權(quán)重系數(shù)測(cè)算如下:

        第一步:對(duì)X0、Xi作累減。

        第二步:計(jì)算相對(duì)變化率k。

        第三步:計(jì)算X0與Xi之間的關(guān)聯(lián)系數(shù)r0i(t)和關(guān)聯(lián)度r0i。

        第四步:將r0i作歸一化處理得到影響權(quán)重。

        wi為正號(hào)表示指標(biāo)對(duì)目標(biāo)有正面影響,wi為負(fù)號(hào)表示指標(biāo)對(duì)目標(biāo)有負(fù)面影響,滿足。

        如果是一對(duì)多的關(guān)系,則根據(jù)上面的解耦過(guò)程測(cè)算一次得出權(quán)重系數(shù)wi即可。如果是多對(duì)多的關(guān)系,則需要重復(fù)上面的解耦過(guò)程兩次,一次總目標(biāo)數(shù)據(jù)列為某一影響因素,子影響因素?cái)?shù)據(jù)列為受該因素影響的負(fù)荷特性指標(biāo),得出權(quán)重系數(shù)wi,另一次總目標(biāo)數(shù)據(jù)列為某一負(fù)荷特性指標(biāo),子影響因素?cái)?shù)據(jù)列為某幾類影響因素,得出權(quán)重系數(shù)w'i。

        2.2 影響因素敏感度測(cè)算

        在得到wi,w'i的基礎(chǔ)上,若想獲得影響因素每變化1個(gè)單位對(duì)目標(biāo)指標(biāo)的影響程度,需對(duì)影響因素對(duì)于此負(fù)荷特性指標(biāo)敏感度進(jìn)行測(cè)算。假設(shè)E1為日最大負(fù)荷值,日最大負(fù)荷變化由日最高氣溫、日降水量2個(gè)因素影響則形成如下公式:

        其中x11為日最高氣溫,v1為最高氣溫對(duì)日最大負(fù)荷的敏感系數(shù),x12為日降水量,v2為日降水量對(duì)日最大負(fù)荷的敏感系數(shù),v0為日最大負(fù)荷的基準(zhǔn)系數(shù)。

        利用歷史年數(shù)據(jù)可以得到日最大負(fù)荷變化值、日最高氣溫和日降水量,再利用神經(jīng)網(wǎng)絡(luò)法可以得到v1、v2。

        2.3 負(fù)荷特性的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型

        選取關(guān)聯(lián)度較大的影響因子作為BP神經(jīng)網(wǎng)絡(luò)的輸入層,輸出層為負(fù)荷特性指標(biāo)。輸入樣本和輸出樣本數(shù)據(jù)用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)算法,設(shè)定算法誤差精度,當(dāng)實(shí)際輸出值與目標(biāo)值間誤差在預(yù)設(shè)精度內(nèi)訓(xùn)練結(jié)束。否則,誤差值將反向傳遞,修正神經(jīng)網(wǎng)絡(luò)的權(quán)值,如此反復(fù)學(xué)習(xí)直至達(dá)到設(shè)定的精度要求,固定此時(shí)網(wǎng)絡(luò)的權(quán)值,明確負(fù)荷特性的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。

        已知每一個(gè)負(fù)荷特性指標(biāo)的影響敏感度后,依據(jù)負(fù)荷特性指標(biāo)的目標(biāo),輸入變量為不同類屬性的影響數(shù)據(jù),分別以v1、v2、v3……表示,w'i為某一指標(biāo)受不同類別屬性項(xiàng)目的影響權(quán)重向量,wi為某一類屬性的規(guī)劃項(xiàng)目對(duì)提升不同指標(biāo)的權(quán)重向量,輸出變量為負(fù)荷特性指標(biāo)變化量,分別為E1、E2、E3……。

        建立神經(jīng)網(wǎng)絡(luò)的線性關(guān)系如下式所示:

        3 南昌市實(shí)際算例分析

        負(fù)荷特性指標(biāo)按日、月、年統(tǒng)計(jì)共計(jì)23個(gè)指標(biāo),在此進(jìn)行日負(fù)荷指標(biāo)、年負(fù)荷指標(biāo)中常用指標(biāo)測(cè)算。為掌握負(fù)荷指標(biāo)數(shù)據(jù),調(diào)研南昌市數(shù)據(jù)進(jìn)行負(fù)荷特性指標(biāo)分析。

        3.1 年負(fù)荷特性分析

        將通過(guò)分析年負(fù)荷曲線,計(jì)算獲得年最大負(fù)荷、年最小負(fù)荷、年平均負(fù)荷、月平均值、季不均衡系數(shù)、年最大峰谷差、年最大峰谷差率幾個(gè)指標(biāo)。

        由于江西分布式電源較多,如2019年12月6日全省風(fēng)電發(fā)力187.88萬(wàn)kW,2019年4月1日全省光伏出力95.11萬(wàn)kW對(duì)全省負(fù)荷特性影響較大。調(diào)研南昌市年統(tǒng)調(diào)數(shù)據(jù),得到負(fù)荷特性指標(biāo)如圖2所示。

        圖2 南昌市年負(fù)荷曲線

        通過(guò)圖2可以發(fā)現(xiàn)如下規(guī)律:

        1)南昌市年最大負(fù)荷均出現(xiàn)在夏季7月、8月份,氣溫成為影響負(fù)荷增長(zhǎng)的主要因素。

        2)最小負(fù)荷及月平均值呈逐年增長(zhǎng)趨勢(shì),季不均衡系數(shù)在0.7-0.9左右,隨著區(qū)域發(fā)展逐漸飽和,區(qū)間逐漸縮小。

        3)通過(guò)梳理年日最大峰谷差、年日最大峰谷差率,得到年最大峰谷差日數(shù)據(jù)及年最大峰谷差率,年最大峰谷差率處于54%-60%之間。

        4)最大負(fù)荷利用小時(shí)數(shù)

        利用全社會(huì)用電量、最大負(fù)荷進(jìn)行最大負(fù)荷利用小時(shí)數(shù)測(cè)算,如圖3所示。

        圖3 南昌市年最大負(fù)荷利用小時(shí)數(shù)

        南昌市最大負(fù)荷利用小時(shí)數(shù)在4 900-5 600 h間波動(dòng),2019年為5 317 h。工業(yè)用電量均占總用電量的50%以上,因此均處于較高水平。

        3.2 日負(fù)荷特性分析

        以南昌市4個(gè)季節(jié)典型日負(fù)荷曲線為基礎(chǔ)數(shù)據(jù),對(duì)四季典型日負(fù)荷和典型日負(fù)荷進(jìn)行分析。南昌典型日負(fù)荷曲線如圖4所示。

        圖4 南昌市四季典型日負(fù)荷曲線

        由圖4可知,南昌夏季典型日負(fù)荷曲線呈雙峰型,12點(diǎn)至18點(diǎn)為第一個(gè)峰值形成過(guò)程,21點(diǎn)至23點(diǎn)為第二個(gè)峰值,主要是由于下午氣溫較高,在工業(yè)變化不大的情況下,辦公空調(diào)等第三產(chǎn)業(yè)用電較為集中;晚間居民空調(diào)負(fù)荷集中在21點(diǎn)至23點(diǎn)。凌晨以后負(fù)荷緩慢下降,至黎明6點(diǎn)以后開(kāi)始緩慢上升。負(fù)荷曲線波動(dòng)較大,隨人們的生產(chǎn)生活而變化。

        南昌冬季典型日負(fù)荷曲線呈現(xiàn)雙峰的特性,負(fù)荷早高峰在早9點(diǎn)到10點(diǎn)左右,負(fù)荷晚高峰在18點(diǎn)到20點(diǎn)左右。冬季典型日負(fù)荷曲線變化相對(duì)較大,負(fù)荷的波動(dòng)主要是受日常生活及取暖負(fù)荷疊加影響。

        南昌春季、秋季典型日負(fù)荷曲線基本相似,較為平緩,總量處于全年較低水平。將2015-2019年四季典型日負(fù)荷特性數(shù)據(jù)進(jìn)行整理,得到圖5,其中1、5、9、13、17為春節(jié)數(shù)據(jù),2、6、10、14、18為夏季數(shù)據(jù),3、7、11、15、19為秋季數(shù)據(jù),剩余為冬季數(shù)據(jù)。

        圖5 南昌市典型日負(fù)荷特性指標(biāo)

        通過(guò)圖5可以看出,南昌日負(fù)荷率平均在0.8左右,趨勢(shì)較為平緩,日最小負(fù)荷率0.5-0.6之間呈波紋狀分布,呈現(xiàn)春季、冬季低,夏季、秋季高的趨勢(shì),即在夏秋季,峰谷差更小。日峰谷差率在37%-54%之間。

        3.3 氣候變化影響規(guī)律分析

        由于南昌城市發(fā)展更加飽和,定位一直沒(méi)有大的變動(dòng),因此部分以南昌最大負(fù)荷發(fā)生月為例詳細(xì)分析氣候變化影響規(guī)律。

        1)年最大負(fù)荷出現(xiàn)的氣候原因

        南昌市2016年最大負(fù)荷日發(fā)生于8月25日、2017年最大負(fù)荷日發(fā)生于7月28日,其主要原因是當(dāng)日最高氣溫達(dá)到40℃,且之前幾天持續(xù)高溫中,出現(xiàn)溫度累加效應(yīng);南昌市2018年最大負(fù)荷出現(xiàn)于7月26日、2019年最大負(fù)荷出現(xiàn)于8月28日,小雨或中雨天氣,氣溫不是很高但濕度高,體感不舒服,需要空調(diào)換氣降低濕度。

        通過(guò)上述分析,發(fā)現(xiàn)氣候因素中除氣溫影響最大負(fù)荷明顯外,降雨因素對(duì)最大負(fù)荷也有一定的影響。

        2)氣溫對(duì)負(fù)荷的影響分析

        刨除陰雨天高濕的影響后,確定將如下數(shù)據(jù)作為分析對(duì)象,時(shí)間跨度為2016年8月、2017年7月、2018年7月和2019年8月。

        通過(guò)調(diào)研,計(jì)算出的相關(guān)系數(shù)分別為0.879、0.969、0.962 5、0.952 5、0.835 8。可見(jiàn)日最高氣溫與日最大負(fù)荷存在高度相關(guān)性。且隨溫度增高,最大日負(fù)荷增大。

        3.4 經(jīng)濟(jì)變化影響規(guī)律分析

        根據(jù)GDP、城鎮(zhèn)化率等數(shù)據(jù),詳見(jiàn)表1,分析負(fù)荷特性指標(biāo)受經(jīng)濟(jì)變化影響規(guī)律。

        表1 南昌市2015-2019年電力彈性系數(shù)分析

        通過(guò)分析,發(fā)現(xiàn)2015年-2019年南昌市電力彈性系數(shù)為1.24,電量、負(fù)荷與GDP、人均GDP、城鎮(zhèn)化率以同趨勢(shì)增長(zhǎng)。利用2010-2019年相關(guān)性指標(biāo)及負(fù)荷特性指標(biāo),對(duì)南昌2020年負(fù)荷特性指標(biāo)進(jìn)行測(cè)算及方法驗(yàn)證。

        利用神經(jīng)網(wǎng)絡(luò)測(cè)算得到各指標(biāo)主要影響因素,將關(guān)聯(lián)矩陣數(shù)據(jù)進(jìn)行權(quán)重化加和測(cè)算,可以分別得到以下數(shù)據(jù),見(jiàn)表2、表3。

        表2 南昌2010-2019年外部影響因素對(duì)負(fù)荷特性指標(biāo)權(quán)重

        表3 南昌2010-2019年負(fù)荷特性指標(biāo)對(duì)外部影響因素權(quán)重

        利用2010-2019年數(shù)據(jù)得到V1、V2、V3、V4、V0,最終得到測(cè)算模型。

        年最大負(fù)荷=GDP×0.366 1×0.4348×V11+人均GDP×0.331 0×0.391 2×V12+城鎮(zhèn)人均可支配收入×0.173 1×0.376 1×V13+農(nóng)村人均可支配收入×0.129 7×0.349 5×V14+V10,其中V10=300.718 6,V11=2.849 5,V12=-167 1.424 2,V13=-0.489 7,V14=1.371 2;

        季不均衡系數(shù)=第二產(chǎn)業(yè)GDP占比×0.439 7×0311 5×V21+城鎮(zhèn)化率×0.291 8×0.184 3×V22+城鎮(zhèn)人均可支配收入×0.145 9×0.207 1×V23+農(nóng)村人均可支配 收入×0.122 7×0.212 0×V24+V20,其 中V20=-1.943 1,V21=17.511 7,V22=0.276 2,V23=1.71×10-3,V24=-0.003 7;

        年最大峰谷差率=第二產(chǎn)業(yè)GDP占比×0.328 3×0.252 9×V31+城鎮(zhèn)化率×0.432 0×0.366 5×V32+城鎮(zhèn)人均可支配收入×0.130 1×0.220 3×V33+農(nóng)村人均可支 配 收 入×0.109 6×0.229 3×V34+V30,其 中V30=0.227 6,V31=-3.360 7,V32=0.054 4,V33=-1.18×10-4,V34=-7.50×10-5;

        最大負(fù)荷利用小時(shí)數(shù)=第二產(chǎn)業(yè)GDP占比0.639 7×0.302 1×V41+城鎮(zhèn)人均可支配收入×0.193 4×0.196 5×V42+農(nóng)村人均可支配收入×0.166 9×0.209 2×V43+V40,其中V40=203 0.171 7,V41=354 59.835 0,V42=0.110 1,V43=-0.224 3;

        年最大峰谷差由已測(cè)得指標(biāo)利用指標(biāo)計(jì)算公式獲得。

        利用上述模型對(duì)2020年負(fù)荷特性指標(biāo)進(jìn)行測(cè)算結(jié)果如表4所示。

        表4 南昌2020年負(fù)荷特性指標(biāo)預(yù)測(cè)及對(duì)比

        經(jīng)偏差分析,除最大負(fù)荷利用小時(shí)數(shù)偏差量稍高于5%,其他指標(biāo)均在5%以內(nèi),模型可靠性較高。

        3.5 節(jié)假日變化影響規(guī)律分析

        根據(jù)收集的節(jié)假日典型日對(duì)比工作日典型日數(shù)據(jù),分析負(fù)荷特性指標(biāo)受節(jié)假日變化影響規(guī)律,如圖6所示。

        圖6 南昌市節(jié)假日負(fù)荷曲線

        通過(guò)數(shù)據(jù)發(fā)現(xiàn),節(jié)假日的日負(fù)荷曲線更加平滑,峰谷差較小。

        4 結(jié)語(yǔ)

        1)氣候因素中日最高氣溫與區(qū)域年最大負(fù)荷、日最大負(fù)荷存在高度相關(guān)性,隨溫度增高,最大負(fù)荷值呈增大趨勢(shì)。氣候因素中降雨因素對(duì)最高氣溫與最大負(fù)荷產(chǎn)生干擾,高濕將提升最大負(fù)荷數(shù)值。

        2)GDP是影響區(qū)域最大負(fù)荷的主要因素,其與最大負(fù)荷相關(guān)性高于人均GDP、城鎮(zhèn)化率,電量、負(fù)荷與GDP、人均GDP、城鎮(zhèn)化率同趨勢(shì)增長(zhǎng)。

        3)工作日負(fù)荷值明顯高于節(jié)假日,且節(jié)假日的日負(fù)荷曲線更加平滑,峰谷差較小。

        猜你喜歡
        峰谷南昌市氣溫
        氣溫的神奇“魔法”
        模擬成真
        基于FY-3D和FY-4A的氣溫時(shí)空融合
        江西南昌市1169個(gè)建制村實(shí)現(xiàn)通客車
        湖南省峰谷分時(shí)電價(jià)分析及優(yōu)化策略研究
        湖南電力(2021年1期)2021-04-13 01:37:02
        考了個(gè)大的
        淺談峰谷時(shí)段的劃分方法
        吃兩個(gè)
        電動(dòng)汽車峰谷分時(shí)電價(jià)時(shí)段充電優(yōu)化模型
        與氣溫成反比的東西
        国产高潮流白浆视频在线观看| 国产成人亚洲精品77| 亚洲夫妻性生活视频网站| 在线国产丝袜自拍观看| 中国少妇×xxxx性裸交| 久久一二区女厕偷拍图| 久久精品国产亚洲av影院 | 国产区精品| 中文字幕日本女优在线观看| 一区二区三区蜜桃av| 天堂网www资源在线| 亚洲一区中文字幕在线电影网 | 亚洲日韩AV无码美腿丝袜| 99青青草视频在线观看| 五月天国产成人av免费观看| 日本在线看片免费人成视频1000| 欧美成人激情在线| 亚洲精品一区二区视频| 亚洲精品国产第一区二区| 日韩欧群交p片内射中文| 亚洲黄色尤物视频| 精品国模人妻视频网站| 丁香五月亚洲综合在线| 国产人在线成免费视频| 国产福利97精品一区二区| 亚洲国产精品av麻豆网站| 国产内射爽爽大片视频社区在线| 欧美日韩亚洲精品瑜伽裤| 偷拍网日本一区二区三区| 在线视频一区二区三区中文字幕| 中文字幕本久久精品一区| 中文字幕一区二区人妻性色| 国产成+人+综合+亚洲专| 国产精品一品二区三区| 国产成人a∨激情视频厨房| 最好看2019高清中文字幕视频| av一区二区不卡久久| 亚洲av综合国产av日韩| 亚洲av综合色区无码一二三区| 亚洲五月七月丁香缴情| 青青草手机在线免费观看视频|