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

        ?

        基于遷移學(xué)習(xí)的濕法煙氣脫硫系統(tǒng)出口SO2濃度預(yù)測研究

        2021-12-02 11:08:54王力光贠勇博朱保宇司風(fēng)琪
        發(fā)電設(shè)備 2021年6期
        關(guān)鍵詞:模型系統(tǒng)

        王力光, 贠勇博, 朱保宇, 司風(fēng)琪

        (1. 大唐環(huán)境產(chǎn)業(yè)集團(tuán)股份有限公司特許經(jīng)營分公司, 南京 211100;2. 東南大學(xué) 能源熱轉(zhuǎn)換及其過程測控教育部重點(diǎn)實(shí)驗(yàn)室, 南京 210096)

        SO2是大氣中的主要污染物之一。我國電力依賴于煤炭資源,燃煤電廠排放的SO2給環(huán)境造成了很大的影響。國家環(huán)保發(fā)展規(guī)劃要求持續(xù)推進(jìn)電力行業(yè)SO2減排工作,控制SO2排放成為發(fā)電企業(yè)面臨的重大課題[1]。目前,我國電廠大多使用濕法煙氣脫硫技術(shù),其中采用石灰石-石膏濕法脫硫的機(jī)組占脫硫總裝機(jī)容量的85%左右[2]。因此,對石灰石-石膏濕法煙氣脫硫系統(tǒng)出口SO2濃度進(jìn)行實(shí)時(shí)監(jiān)測尤為重要。燃煤電廠布置了大量的煙氣分析監(jiān)測儀器,例如利用煙氣連續(xù)排放檢測系統(tǒng)(CEMS)對脫硫系統(tǒng)出口煙氣中的SO2濃度進(jìn)行監(jiān)測,但這只是對SO2排放量的單一結(jié)果反饋,并不能反映脫硫系統(tǒng)過程參數(shù)與出口SO2濃度之間的關(guān)系;另外,CEMS在線分析儀表維護(hù)保養(yǎng)復(fù)雜,價(jià)格昂貴,受外界環(huán)境等因素影響較大,往往會(huì)出現(xiàn)測量結(jié)果漂移的現(xiàn)象[3]。

        為了監(jiān)測SO2排放量,優(yōu)化濕法脫硫系統(tǒng)的運(yùn)行參數(shù),需要建立脫硫系統(tǒng)出口SO2濃度預(yù)測模型,掌握脫硫系統(tǒng)過程參數(shù)與出口SO2濃度之間的關(guān)系。目前,主流的建模方法分為機(jī)理建模和數(shù)據(jù)驅(qū)動(dòng)建模。燃煤電站脫硫系統(tǒng)運(yùn)行過程具有動(dòng)態(tài)、非線性和時(shí)變等特性,機(jī)理建模較為困難,且模型精度往往難以滿足工程實(shí)際的要求;但隨著計(jì)算機(jī)、傳感器、數(shù)據(jù)存儲(chǔ)和通信等技術(shù)快速地發(fā)展,數(shù)據(jù)驅(qū)動(dòng)建模越來越多地應(yīng)用到電站脫硫系統(tǒng)中。與傳統(tǒng)機(jī)理建模方法不同,數(shù)據(jù)驅(qū)動(dòng)建模通過數(shù)據(jù)清洗和挖掘來獲取系統(tǒng)特征參數(shù)間的關(guān)聯(lián)特性[4],并不需要深入了解系統(tǒng)復(fù)雜的機(jī)理特性,能夠滿足復(fù)雜熱工過程設(shè)備或系統(tǒng)的建模需求[5-7]。因此,筆者建立了基于最小二乘支持向量機(jī)(LSSVM)的脫硫系統(tǒng)出口SO2濃度預(yù)測模型。

        通常,數(shù)據(jù)驅(qū)動(dòng)建模必須滿足訓(xùn)練和測試數(shù)據(jù)服從相同分布的假設(shè),主要從對象自身的數(shù)據(jù)中挖掘知識,但在當(dāng)前超低排放的背景下,為了滿足排放要求,石灰石-石膏濕法脫硫系統(tǒng)高負(fù)荷運(yùn)行時(shí)常常將吸收塔漿液循環(huán)泵全開運(yùn)行,減泵運(yùn)行的方式較少[8],這使得減泵運(yùn)行方式下的運(yùn)行數(shù)據(jù)較少,并且與漿液循環(huán)泵全開狀態(tài)下的脫硫系統(tǒng)運(yùn)行數(shù)據(jù)的分布差距明顯。因此,以漿液循環(huán)泵全開狀態(tài)下的運(yùn)行數(shù)據(jù)為主要訓(xùn)練樣本建立預(yù)測模型。

        由于訓(xùn)練數(shù)據(jù)與減泵運(yùn)行數(shù)據(jù)分布存在差異,在減泵運(yùn)行時(shí)的SO2濃度預(yù)測效果較差。為了解決數(shù)據(jù)分布差異帶來的模型泛化能力較差的問題,筆者采用遷移學(xué)習(xí)的思想,將已存在豐富運(yùn)行數(shù)據(jù)的漿液循環(huán)泵全開狀態(tài)(即源域)的知識通過一定的方式遷移到數(shù)據(jù)量不足的減泵運(yùn)行狀態(tài)(即目標(biāo)域)?,F(xiàn)有的遷移學(xué)習(xí)主要可歸納為兩大類:(1)實(shí)例重加權(quán)[9-10],這是一種基于樣本的遷移學(xué)習(xí)方法,它根據(jù)某種加權(quán)技術(shù)重用源域的樣本,進(jìn)行遷移;(2)特征匹配,即利用子空間幾何結(jié)構(gòu)進(jìn)行子空間學(xué)習(xí)[11],或者通過分布對齊來減少域之間的邊緣(或條件)分布差異,屬于基于特征的遷移學(xué)習(xí)方法。其中,實(shí)例重加權(quán)方法針對較為相似的數(shù)據(jù)遷移效果較為明顯。

        因此,首先考慮到脫硫系統(tǒng)特性參數(shù)的相關(guān)性及系統(tǒng)的非線性,建立了基于LSSVM的脫硫系統(tǒng)出口SO2濃度預(yù)測模型。其次,針對運(yùn)行數(shù)據(jù)分布變化的場景,從樣本遷移的角度,采用基于實(shí)例重加權(quán)的核均值匹配(KMM)遷移學(xué)習(xí)方法建立了加權(quán)LSSVM模型,實(shí)現(xiàn)了不同漿液循環(huán)泵組合運(yùn)行方式下脫硫系統(tǒng)出口SO2濃度的預(yù)測。

        1 基于KMM樣本加權(quán)的LSSVM預(yù)測模型

        1.1 基于LSSVM的預(yù)測模型

        LSSVM是一種改進(jìn)的支持向量機(jī)(SVM)算法。針對SVM計(jì)算復(fù)雜、效率較低的問題,LSSVM利用二次損失函數(shù)將SVM的尋優(yōu)過程變?yōu)榍蠼饩€性方程,簡化了模型尋優(yōu)迭代過程。經(jīng)過不斷地研究和改進(jìn),LSSVM已廣泛應(yīng)用于工程實(shí)際中非線性回歸估計(jì)等問題[12]。

        1.1.1 LSSVM原理和計(jì)算過程

        給定任意的訓(xùn)練集D=(xi,yi),i=1,2,…,l,其中,l為樣本數(shù)量,輸入數(shù)據(jù)xi∈Rm,輸出數(shù)據(jù)yi∈Rm,m為維數(shù),LSSVM定義的回歸函數(shù)J為:

        (1)

        約束條件為:

        yi=wTφ(xi)+b+ei

        (2)

        式中:w權(quán)重向量;γ為懲罰參數(shù);e為近似誤差,e=[e1,e2,…,el]T;φ(·)為非線性映射函數(shù);b為偏置。

        相應(yīng)的拉格朗日函數(shù)為:

        b+ei-yi]

        (3)

        α=[α1,α2,…,αl]T

        式中:α為拉格朗日因子。

        基于Karush-Kuhn-Tucker(KKT)條件,可通過w、b、ei和αi的偏微分獲得方程解:

        (4)

        聯(lián)立消除w和ei,得到

        (5)

        式中:I為單位矩陣;y=[y1,y2,…,yl]T;1=[1,1,…,1]T;Ωij=φ(xi)Tφ(xj)=K(xi,xj),K(·)為核函數(shù),i,j=1,2,…,l。

        最后,得到LSSVM的回歸模型為:

        (6)

        式中:y(x)為LSSVM得到的回歸函數(shù),該預(yù)測模型采用線性核,主要參數(shù)為懲罰參數(shù)γ。

        1.2 KMM實(shí)例遷移算法

        針對源域和目標(biāo)域分布差異的問題,基于樣本的遷移學(xué)習(xí)算法[9-10]大多著眼于對源域和目標(biāo)域的分布比值進(jìn)行估計(jì)。具體如下:

        在d維數(shù)據(jù)空間,有ntr個(gè)獨(dú)立同分布的訓(xùn)練樣本Xtr={xi|i=1,…,ntr}從概率密度函數(shù)(PDF)為ptr(x)的分布采樣而來;而nts個(gè)獨(dú)立同布分的測試樣本Xts={xj|j=1,…,nts}從另一個(gè)分布pts(x)采樣得到。假設(shè)pts(x)相對于ptr(x)是連續(xù)的(即ptr(x)=0時(shí),pts(x)=0),則密度比β(x)計(jì)算式為:

        (7)

        KMM算法通過在再生核希爾伯特空間(RKHS)中,最小化加權(quán)訓(xùn)練數(shù)據(jù)分布β(x)ptr(x)和測試數(shù)據(jù)分布pts(x)之間的最大均值差異MMD為:

        MMD2(F,β,ptr,pts)=

        ‖Ex-ptr(x)[β(x)φ(x)]-Ex-

        pts(x)[φ(x)]‖2

        (8)

        式中:‖·‖是L2范數(shù),RKHS即φ(x),x→F;Ex為期望。

        若核空間是通用的,并且pts(x)相對于ptr(x)是連續(xù)的,則式(8)的解β(x)收斂到pts(x)=β(x)ptr(x)。

        使用Xtr和Xts的經(jīng)驗(yàn)平均代替期望,最小化MMD距離相當(dāng)于最小化相應(yīng)的二次規(guī)劃問題,即

        (9)

        β=[β1,β2,…,βl]T

        Kxtr,xtr=K(xi,xi′),xi,xi′∈Xtr

        (10)

        Kxtr,xts=K(xi,xj),xi∈Xtr,xj∈Xts

        (11)

        第一個(gè)約束給出了密度比βi的范圍,反映了pts(x)和ptr(x)之間的分布差異。第二個(gè)約束則是對β(x)的正則項(xiàng)。

        式(9)給出了具有線性約束的凸二次規(guī)劃問題,可以通過二次規(guī)劃解算器計(jì)算得到最優(yōu)解。建模過程中使用MATLAB軟件工具箱中較為成熟的“interior-point-convex”算法作為二次規(guī)劃解算器。

        1.3 基于KMM的樣本加權(quán)LSSVM

        在LSSVM模型建好后,當(dāng)面對測試樣本Xts與訓(xùn)練樣本Xtr分布出現(xiàn)差異的場景時(shí),該模型的泛化能力變?nèi)?,預(yù)測精度降低。此時(shí),從樣本遷移的角度,通過KMM算法求解得到訓(xùn)練樣本Xtr的權(quán)重β(x),再根據(jù)式(6),得到樣本加權(quán)的LSSVM模型為:

        (12)

        綜上所述,整個(gè)基于KMM樣本加權(quán)的LSSVM算法步驟見圖1。

        圖1 基于KMM樣本加權(quán)的LSSVM算法步驟流程

        2 脫硫系統(tǒng)出口SO2濃度預(yù)測

        在當(dāng)前超低排放背景下,為了滿足環(huán)保要求,即使是在低負(fù)荷運(yùn)行工況下,脫硫系統(tǒng)的漿液循環(huán)泵多數(shù)也是開啟的,甚至全開,影響了運(yùn)行經(jīng)濟(jì)性。出現(xiàn)該問題的根本原因是未能掌握不同漿液循環(huán)泵組合運(yùn)行方式下脫硫系統(tǒng)出口SO2濃度信息,從而采用了保守的運(yùn)行方式。因此,筆者將建立機(jī)組實(shí)際運(yùn)行負(fù)荷范圍內(nèi)不同漿液循環(huán)泵組合方式運(yùn)行下的脫硫系統(tǒng)出口SO2濃度預(yù)測模型,為機(jī)組在不同工況下的漿液循環(huán)泵優(yōu)化調(diào)度提供指導(dǎo)。

        2.1 模型參數(shù)

        以某600 MW機(jī)組為研究對象,石灰石-石膏濕法脫硫系統(tǒng)的脫硫過程大致為:來自鍋爐的煙氣經(jīng)煙氣系統(tǒng)和引風(fēng)機(jī)增壓后,通過煙氣換熱器降溫,降溫后的煙氣自下而上進(jìn)入吸收塔,而塔內(nèi)的石灰石/石灰漿液自上而下進(jìn)行噴淋,通過逆流混合的方式,進(jìn)行一系列物理和化學(xué)反應(yīng)并伴隨著持續(xù)的熱交換,從而脫除煙氣中的SO2;脫硫后煙氣中的液滴經(jīng)過除霧器去除,煙氣再經(jīng)煙氣換熱器增加溫度,達(dá)到溫度要求后,通過煙囪排入到大氣之中;經(jīng)反應(yīng)后吸收SO2的石灰石漿液(主要成分為CaSO3)流入脫硫塔底部的漿液池中,而增氧風(fēng)機(jī)鼓入的空氣將對其進(jìn)行強(qiáng)制氧化,生成可二次利用的石膏(主要成分為CaSO4)。

        脫硫系統(tǒng)中的主要運(yùn)行參數(shù)之間存在著密切的相關(guān)性,結(jié)合整體脫硫過程,選取入口煙氣流量(x1)、入口煙氣氧體積分?jǐn)?shù)(x2)、入口SO2濃度(x3)、入口煙塵質(zhì)量濃度(x4)、入口煙氣溫度(x5)、石灰石漿液供給流量(x6)和漿液pH(x7)為模型輸入?yún)?shù),脫硫系統(tǒng)出口SO2濃度為輸出參數(shù),且采用折算濃度,即將原始數(shù)據(jù)中的SO2排放量折算到基準(zhǔn)含氧體積分?jǐn)?shù)(6%)下。

        2.2 數(shù)據(jù)處理

        該石灰石-石膏濕法脫硫系統(tǒng)有4臺漿液循環(huán)泵,其主要設(shè)計(jì)參數(shù)見表1。從該600 MW機(jī)組廠級監(jiān)控信息系統(tǒng)(SIS)中選取1個(gè)月的運(yùn)行數(shù)據(jù),采樣周期為60 s。

        表1 漿液循環(huán)泵主要性能參數(shù)

        電廠SIS采集的數(shù)據(jù)往往受到通信和傳感器故障等影響,因此需要對采樣的數(shù)據(jù)進(jìn)行清洗。目前,采用iforest孤立點(diǎn)檢測算法對異常數(shù)據(jù)進(jìn)行剔除。此外,機(jī)組運(yùn)行工況發(fā)生較大變化時(shí),模型變量的統(tǒng)計(jì)特性也會(huì)發(fā)生變動(dòng),因此數(shù)據(jù)預(yù)處理還包括了對穩(wěn)態(tài)數(shù)據(jù)的篩選。筆者選用鍋爐負(fù)荷為特征變量,對采集的數(shù)據(jù)進(jìn)行了穩(wěn)態(tài)判定和篩選。

        經(jīng)過數(shù)據(jù)處理后,一共篩選出5 412組穩(wěn)態(tài)數(shù)據(jù)。進(jìn)一步分析后發(fā)現(xiàn),主要包含了2種漿液循環(huán)泵組合運(yùn)行方式數(shù)據(jù):4 415組4臺漿液循環(huán)泵運(yùn)行(簡稱4泵運(yùn)行)數(shù)據(jù),937組3臺漿液循環(huán)泵運(yùn)行(簡稱3泵運(yùn)行)數(shù)據(jù)。對這2種運(yùn)行方式的數(shù)據(jù)分布進(jìn)行分析,結(jié)果見圖2。

        圖2 不同漿液循環(huán)泵組合運(yùn)行方式的數(shù)據(jù)分布對比

        從圖2可以看出:4泵運(yùn)行和3泵運(yùn)行的數(shù)據(jù)分布存在一定差異,并不滿足數(shù)據(jù)驅(qū)動(dòng)建模要求的數(shù)據(jù)獨(dú)立同分布的假設(shè)。若以4泵運(yùn)行數(shù)據(jù)作為訓(xùn)練樣本進(jìn)行建模,對3泵運(yùn)行結(jié)果進(jìn)行預(yù)測,預(yù)測精度將明顯下降,即模型的泛化能力不足;若以3泵運(yùn)行數(shù)據(jù)進(jìn)行建模和預(yù)測,又因訓(xùn)練樣本過少,模型發(fā)生過擬合的現(xiàn)象,無法進(jìn)行預(yù)測。因此,采用遷移學(xué)習(xí)的思想,將數(shù)據(jù)量較大的4泵運(yùn)行數(shù)據(jù)(源域數(shù)據(jù))通過樣本重加權(quán)的方式遷移至與3泵運(yùn)行數(shù)據(jù)(目標(biāo)域數(shù)據(jù))相同分布上,減少不同漿液循環(huán)泵組合運(yùn)行方式下的模型參數(shù)分布差異,提高模型的泛化能力。

        2.3 模型建立

        在數(shù)據(jù)處理和分析后,針對擬要解決的問題,建立以下幾種場景的模型,設(shè)計(jì)并進(jìn)行對比試驗(yàn)。

        場景1:只采用3泵運(yùn)行的少量數(shù)據(jù)進(jìn)行建模訓(xùn)練和測試,觀察模型的預(yù)測精度。

        場景2:只采用4泵運(yùn)行的訓(xùn)練數(shù)據(jù)進(jìn)行建模,用3泵運(yùn)行的數(shù)據(jù)進(jìn)行測試,觀察預(yù)測結(jié)果,以驗(yàn)證樣本遷移的必要性。

        場景3:利用4泵運(yùn)行的數(shù)據(jù),考慮樣本遷移,建立了基于KMM樣本加權(quán)的LSSVM預(yù)測模型,并對3泵運(yùn)行的數(shù)據(jù)進(jìn)行預(yù)測,分析預(yù)測結(jié)果。

        場景1和場景2的模型都只是LSSVM預(yù)測模型,場景3涉及KMM算法進(jìn)行樣本遷移的過程,其中KMM算法用到的核函數(shù)選擇高斯核函數(shù)。3種場景中都采用交叉驗(yàn)證(CV)對LSSVM模型參數(shù)進(jìn)行尋優(yōu),3種場景的參數(shù)尋優(yōu)結(jié)果分別為18、7、11。

        為了定量評價(jià)不同場景下的模型性能,利用回歸模型中使用廣泛的均方根誤差(RMSE)與決定性系數(shù)R2來衡量模型預(yù)測值與實(shí)測值之間的偏差,其計(jì)算公式分別為:

        (13)

        (14)

        2.4 結(jié)果分析

        場景1下LSSVM預(yù)測模型對訓(xùn)練樣本和測試樣本的預(yù)測結(jié)果見圖3。由圖3可以看出:由于3泵運(yùn)行的時(shí)間短,數(shù)據(jù)較少,工況覆蓋面較窄,因此模型的預(yù)測精度較低,3泵運(yùn)行訓(xùn)練時(shí)的R2為0.817,測試時(shí)的R2只有0.576,無法滿足工程實(shí)際需要。

        圖3 場景1下脫硫系統(tǒng)出口SO2質(zhì)量濃度測量值與模型預(yù)測值對比

        場景2下的模型預(yù)測結(jié)果見圖4。

        圖4 場景2下脫硫系統(tǒng)出口SO2質(zhì)量濃度測量值與模型預(yù)測值對比

        從圖4可以看出:由于4泵運(yùn)行數(shù)據(jù)樣本較多,訓(xùn)練模型的精度較高,R2達(dá)到了0.963,但是若以基于4泵運(yùn)行數(shù)據(jù)建立的模型來進(jìn)行3泵運(yùn)行結(jié)果的預(yù)測仍存在一定問題,測試時(shí)的R2為0.832。分析原因?yàn)殡m然這2種模型的脫硫運(yùn)行機(jī)理一樣,但是通過圖2可以發(fā)現(xiàn),由于漿液循環(huán)泵組合運(yùn)行方式不同,模型的特性參數(shù)呈現(xiàn)出不同的工作特性;同時(shí),4泵運(yùn)行數(shù)據(jù)與3泵運(yùn)行數(shù)據(jù)邊緣分布有著明顯的不同,直接采用這種方式建立預(yù)測模型,無法達(dá)到預(yù)期效果,模型存在訓(xùn)練過擬合的現(xiàn)象。

        因此,在場景1和場景2的基礎(chǔ)上,進(jìn)一步設(shè)計(jì)得到場景3,采用基于KMM樣本加權(quán)的LSSVM對不同漿液循環(huán)泵組合運(yùn)行方式下的脫硫系統(tǒng)出口SO2濃度進(jìn)行預(yù)測,結(jié)果見圖5。

        圖5 場景3下脫硫系統(tǒng)出口SO2質(zhì)量濃度測量值與模型預(yù)測值對比

        由圖5可以看出:場景3的改進(jìn)模型對3泵運(yùn)行測試樣本的預(yù)測效果明顯優(yōu)于場景1和場景2,樣本測試時(shí)的R2從0.576上升到0.892。

        綜上所述,采用筆者所提出的基于KMM樣本加權(quán)的LSSVM建模方法(場景3),一方面實(shí)現(xiàn)了不同漿液循環(huán)泵組合運(yùn)行方式之間的樣本遷移,使得4泵運(yùn)行的模型參數(shù)被成功地遷移到3泵運(yùn)行的數(shù)據(jù)分布之中,另一方面通過樣本加權(quán)與LSSVM方法融合,實(shí)現(xiàn)了模型預(yù)測精度和泛化能力的提升。

        3 結(jié)語

        以脫硫系統(tǒng)SO2出口濃度預(yù)測為研究對象,針對不同漿液循環(huán)泵組合運(yùn)行方式下模型特性參數(shù)邊緣分布差異帶來的模型泛化能力較差的問題,采用實(shí)例重加權(quán)的遷移學(xué)習(xí)策略,建立了基于KMM的樣本加權(quán)LSSVM預(yù)測模型。以某600 MW機(jī)組脫硫系統(tǒng)現(xiàn)場運(yùn)行數(shù)據(jù)為樣本進(jìn)行了模型訓(xùn)練和測試,通過3種場景的對比試驗(yàn),結(jié)果表明:相較于采用單一運(yùn)行方式數(shù)據(jù)建立模型(如:訓(xùn)練3泵運(yùn)行數(shù)據(jù)后測試3泵運(yùn)行時(shí)的SO2濃度,R2為0.576;訓(xùn)練4泵運(yùn)行數(shù)據(jù)后測試3泵運(yùn)行時(shí)的SO2濃度,R2為0.832),所提出的模型(基于4泵運(yùn)行數(shù)據(jù)的KMM樣本加權(quán)LSSVM預(yù)測模型)在測試時(shí)的R2為 0.892,明顯提高了不同漿液循環(huán)泵組合運(yùn)行方式下的脫硫系統(tǒng)出口SO2濃度預(yù)測精度,而且預(yù)測模型的泛化能力也明顯增強(qiáng)。

        猜你喜歡
        模型系統(tǒng)
        一半模型
        Smartflower POP 一體式光伏系統(tǒng)
        WJ-700無人機(jī)系統(tǒng)
        ZC系列無人機(jī)遙感系統(tǒng)
        北京測繪(2020年12期)2020-12-29 01:33:58
        重要模型『一線三等角』
        重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
        基于PowerPC+FPGA顯示系統(tǒng)
        半沸制皂系統(tǒng)(下)
        連通與提升系統(tǒng)的最后一塊拼圖 Audiolab 傲立 M-DAC mini
        3D打印中的模型分割與打包
        挺进邻居丰满少妇的身体| 人妻一区二区三区免费看| 人妻有码中文字幕在线| 久久午夜av一区二区三区| 国产女人高潮叫床免费视频| 狠狠色狠狠色综合| 国产精品亚洲av国产| 一区一级三级在线观看| 男人的天堂av一二三区| 女优av一区二区在线观看| 极品尤物精品在线观看| 一本久道综合在线无码人妻| aaa级久久久精品无码片| 夜色阁亚洲一区二区三区| 亚洲精品综合在线影院| av免费在线观看网站大全| 日韩女优av一区二区| 国模精品一区二区三区| 日日噜噜夜夜爽爽| 精品国免费一区二区三区| 日本免费视频一区二区三区| 成年美女黄网站色大免费视频| 中文字幕一区二区三区人妻少妇| 亚洲情a成黄在线观看动漫尤物| 久久精品国产亚洲不卡| 日韩大片高清播放器大全| 欧洲日本一线二线三线区本庄铃| 亚洲精品国产综合久久一线| 日韩精品免费在线视频一区| 国产精品美女久久久久av超清| 亚洲网站地址一地址二| 婷婷九月丁香| 人妻爽综合网| 日本一区二区三区在线视频播放| 无码国产精品一区二区av | 特级做a爰片毛片免费看无码| 国内精品一区二区2021在线 | 99久久婷婷国产精品综合| 伊人色综合久久天天五月婷| 欧美色欧美亚洲另类二区不卡| 亚洲无av高清一区不卡|