欧美在线观看视频网站,亚洲熟妇色自偷自拍另类,啪啪伊人网,中文字幕第13亚洲另类,中文成人久久久久影院免费观看 ,精品人妻人人做人人爽,亚洲a视频

一種考慮風(fēng)電和負(fù)荷不確定性的含電動(dòng)汽車(chē)優(yōu)化調(diào)度方法

文檔序號(hào):6517816閱讀:311來(lái)源:國(guó)知局
一種考慮風(fēng)電和負(fù)荷不確定性的含電動(dòng)汽車(chē)優(yōu)化調(diào)度方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種考慮風(fēng)電和負(fù)荷不確定性的含電動(dòng)汽車(chē)優(yōu)化調(diào)度方法,以含可入網(wǎng)混合電動(dòng)汽車(chē)、風(fēng)電和火電的電力系統(tǒng)為研究對(duì)象,構(gòu)建計(jì)及不確定性的節(jié)能減排調(diào)度模型;先采用多場(chǎng)景模擬技術(shù)將不確定性的隨機(jī)過(guò)程分解為若干典型的離散概率場(chǎng)景,采用多代理系統(tǒng)技術(shù)將以節(jié)能和CO2排放為目標(biāo)的優(yōu)化調(diào)度分解為24個(gè)工作代理,采用遺傳算法求解集,協(xié)同代理負(fù)責(zé)工作代理之間動(dòng)態(tài)耦合調(diào)度,使系統(tǒng)滿(mǎn)足動(dòng)態(tài)平衡約束,最終通過(guò)權(quán)重調(diào)節(jié)實(shí)現(xiàn)碳排放和節(jié)能之間的有效協(xié)調(diào)。本發(fā)明所建立的模型有效可行,PHEV能有效的實(shí)現(xiàn)負(fù)荷的消峰填谷,促進(jìn)風(fēng)電的吸納,發(fā)揮負(fù)荷調(diào)度的作用,通過(guò)合理選取節(jié)能和碳排放目標(biāo)的權(quán)重,可實(shí)現(xiàn)節(jié)能與減排之間的有效折衷。
【專(zhuān)利說(shuō)明】—種考慮風(fēng)電和負(fù)荷不確定性的含電動(dòng)汽車(chē)優(yōu)化調(diào)度方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于電力系統(tǒng)優(yōu)化調(diào)度領(lǐng)域,涉及風(fēng)電與負(fù)荷不確定性處理,電動(dòng)汽車(chē)的充放電控制,尤其涉及不確定性的處理。
【背景技術(shù)】
[0002]隨著能源緊缺與環(huán)境污染矛盾日益突出,清潔可再生能源受到廣泛關(guān)注。電動(dòng)汽車(chē)在節(jié)能減排、遏制氣候變暖以及保障石油供應(yīng)安全等方面有著傳統(tǒng)汽車(chē)無(wú)法比擬的優(yōu)勢(shì),受到各國(guó)政府、汽車(chē)生產(chǎn)商以及能源企業(yè)的廣泛關(guān)注。一份美國(guó)國(guó)家可再生能源實(shí)驗(yàn)室給出的技術(shù)報(bào)告表明PHEV能大量減少C02的排放。正是由于PHEV有巨大節(jié)能減排潛力,其研究和推廣已成為各國(guó)關(guān)注的熱點(diǎn)。PHEV能否有效使用在一定程度上取決于可再生能源的利用。進(jìn)行積極的充電(V2G)控制,電動(dòng)汽車(chē)的充電電量完全由可再生能源來(lái)提供,形成可再生能源與PHEV有效互補(bǔ)??梢詫?shí)現(xiàn)充電負(fù)荷對(duì)可再生能源出力變化的跟蹤,促進(jìn)可再生能源吸納。
[0003]傳統(tǒng)模式下,含風(fēng)電和電動(dòng)汽車(chē)的優(yōu)化調(diào)度不考慮風(fēng)電和負(fù)荷的不確定性,均采用確定性方法來(lái)求解,與風(fēng)電、負(fù)荷的隨機(jī)性特性不相符,不能真實(shí)反映實(shí)際調(diào)度情況。采用多場(chǎng)景模擬技術(shù)將風(fēng)電、負(fù)荷不確定性的隨機(jī)過(guò)程分解為若干典型的概率場(chǎng)景,使其較準(zhǔn)確反映含電動(dòng)汽車(chē)和風(fēng)電的電力優(yōu)化調(diào)度隨機(jī)過(guò)程。然后,采用多代理系統(tǒng)技術(shù)將I天24個(gè)時(shí)段對(duì)應(yīng)為24個(gè)工作代理,負(fù)責(zé)火電、風(fēng)電和電動(dòng)汽車(chē)之間的靜態(tài)調(diào)度,協(xié)調(diào)代理負(fù)責(zé)24個(gè)工作代理之間的動(dòng)態(tài)協(xié)調(diào),從而使能量?jī)?yōu)化的利用風(fēng)電和電動(dòng)汽車(chē),使調(diào)度結(jié)果更接近實(shí)際。

【發(fā)明內(nèi)容】

[0004]為了彌補(bǔ)傳統(tǒng)模式的缺陷,本發(fā)明提出一種考慮風(fēng)電和負(fù)荷不確定性的含電動(dòng)汽車(chē)優(yōu)化調(diào)度策略,以含可入網(wǎng)混合電動(dòng)汽車(chē)(以下簡(jiǎn)稱(chēng)PHEV)、風(fēng)電和火電的電力系統(tǒng)為研究對(duì)象,構(gòu)建了計(jì)及不確定性的節(jié)能減排調(diào)度模型,綜合考慮了風(fēng)電和負(fù)荷的不確定性,PHEV的充放電控制,PHEV與風(fēng)電的協(xié)調(diào)互補(bǔ)。先采用多場(chǎng)景模擬技術(shù)將不確定性的隨機(jī)過(guò)程分解為若干典型的離散概率場(chǎng)景,在此基礎(chǔ)上采用多代理系統(tǒng)技術(shù)(以下簡(jiǎn)稱(chēng)MAS)技術(shù)將優(yōu)化調(diào)度分為24個(gè)工作代理,工作代理負(fù)責(zé)每個(gè)時(shí)段的靜態(tài)調(diào)度,協(xié)調(diào)代理負(fù)責(zé)工作代理之間動(dòng)態(tài)耦合調(diào)度,最終通過(guò)權(quán)重調(diào)節(jié)實(shí)現(xiàn)了碳排放和節(jié)能之間有效協(xié)調(diào)。
[0005]本發(fā)明的目的是通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)的:
一種考慮風(fēng)電和負(fù)荷不確定性的含電動(dòng)汽車(chē)優(yōu)化調(diào)度方法,包括如下步驟:
(1)接受電網(wǎng)機(jī)組調(diào)度中心得出的系統(tǒng)未來(lái)24小時(shí)負(fù)荷需求數(shù)據(jù);接收風(fēng)電場(chǎng)對(duì)風(fēng)電出力大小的預(yù)測(cè)數(shù)據(jù),包括預(yù)測(cè)風(fēng)電大小和風(fēng)電出力的上下限區(qū)間;接收PHEV的相關(guān)特性數(shù)據(jù);根據(jù)各個(gè)發(fā)電廠上報(bào)的機(jī)組特性數(shù)據(jù)得出各個(gè)機(jī)組的特性約束;
(2)根據(jù)大型風(fēng)電場(chǎng)出力、負(fù)荷的不確定性信息,采用多場(chǎng)景模擬技術(shù)選取若干典型的系統(tǒng)運(yùn)行狀態(tài)用于系統(tǒng)運(yùn)行費(fèi)用和碳排放優(yōu)化調(diào)度,能較準(zhǔn)確反映含PHEV和風(fēng)電的電力優(yōu)化調(diào)度。
[0006](3)根據(jù)第一、二步接收的數(shù)據(jù)和若干典型的場(chǎng)景,對(duì)電力系統(tǒng)優(yōu)化調(diào)度進(jìn)行建模,根據(jù)運(yùn)行要求選擇目標(biāo)函數(shù)和約束條件,包括等式約束條件和不等式約束條件,構(gòu)成混合整數(shù)非線性規(guī)劃問(wèn)題;
(4)根據(jù)上一步產(chǎn)生的混合整數(shù)非線性規(guī)劃問(wèn)題,得出考慮風(fēng)電和負(fù)荷不確定性的含電動(dòng)汽車(chē)節(jié)能減排多目標(biāo)函數(shù)和相應(yīng)約束條件。約束條件為:含PHEV的系統(tǒng)功率平衡約束、PHEV的平衡約束、含PHEV的旋轉(zhuǎn)備用約束、PHEV充放電總量約束、火電機(jī)組自身的出力、爬坡、最小開(kāi)停機(jī)等約束。
[0007](5)將上一步的節(jié)能減排多目標(biāo)通過(guò)給各個(gè)目標(biāo)賦權(quán)重,將多目標(biāo)問(wèn)題轉(zhuǎn)化為新的單目標(biāo)問(wèn)題,并通過(guò)權(quán)重調(diào)節(jié)各個(gè)目標(biāo)在節(jié)能減排總目標(biāo)中的重要性。
[0008](6)將全天分成24個(gè)時(shí)段,I小時(shí)為I個(gè)調(diào)度時(shí)段,由24個(gè)工作代理A1-A24負(fù)責(zé),即每個(gè)時(shí)段對(duì)應(yīng)為I個(gè)工作代理,每個(gè)工作代理內(nèi)部利用遺傳算法進(jìn)行求解,然后由協(xié)同代理對(duì)24個(gè)工作代理的解進(jìn)行協(xié)調(diào),最終得到一天內(nèi)優(yōu)化調(diào)度的解。
[0009]本發(fā)明的有益效果是:本發(fā)明對(duì)考慮不確定性下含PHEV和風(fēng)電的節(jié)能減排調(diào)度策略進(jìn)行研究,建立了含PHEV和風(fēng)電不確定性的節(jié)能減排模型。并針對(duì)負(fù)荷和風(fēng)電出力的隨機(jī)性,采用多場(chǎng)景模擬技術(shù)將負(fù)荷和風(fēng)電變量離散為若干典型的場(chǎng)景,再采用MAS技術(shù)求解離散化的調(diào)度問(wèn)題。MAS中工作代理負(fù)責(zé)每個(gè)調(diào)度時(shí)段內(nèi),火電出力的調(diào)節(jié),風(fēng)電和PHEV的互補(bǔ)調(diào)度,風(fēng)電、火電和PHEV的協(xié)調(diào)。協(xié)調(diào)代理負(fù)責(zé)協(xié)調(diào)24個(gè)工作代理,實(shí)現(xiàn)動(dòng)態(tài)的優(yōu)化調(diào)度。算例表明,所建立的模型有效可行,PHEV能有效的實(shí)現(xiàn)負(fù)荷的消峰填谷,促進(jìn)風(fēng)電的吸納,發(fā)揮負(fù)荷調(diào)度的作用。通過(guò)合理選取節(jié)能和碳排放目標(biāo)的權(quán)重,可實(shí)現(xiàn)節(jié)能與減排之間的有效折衷。
【專(zhuān)利附圖】

【附圖說(shuō)明】
[0010]圖1是本發(fā)明的流程圖;
圖2是風(fēng)電的場(chǎng)景分布圖;
圖3是負(fù)荷的場(chǎng)景分布圖;
圖4是優(yōu)化調(diào)度策略的MAS體系結(jié)構(gòu)圖;
圖5是工作代理的協(xié)同作用示意圖。
【具體實(shí)施方式】
[0011]下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)說(shuō)明。
[0012]一種考慮風(fēng)電和負(fù)荷不確定性的含電動(dòng)汽車(chē)優(yōu)化調(diào)度策略,包括如下步驟:
(1)接受電網(wǎng)機(jī)組調(diào)度中心得出的系統(tǒng)未來(lái)24小時(shí)負(fù)荷需求數(shù)據(jù);接收風(fēng)電場(chǎng)對(duì)風(fēng)電出力大小的預(yù)測(cè)數(shù)據(jù),包括預(yù)測(cè)風(fēng)電大小和風(fēng)電出力的上下限區(qū)間;接收PHEV的相關(guān)特性數(shù)據(jù);根據(jù)各個(gè)發(fā)電廠上報(bào)的機(jī)組特性數(shù)據(jù)得出各個(gè)機(jī)組的特性約束;
(2)根據(jù)大型風(fēng)電場(chǎng)出力、負(fù)荷的不確定性信息,采用多場(chǎng)景模擬技術(shù)選取若干典型的系統(tǒng)運(yùn)行狀態(tài)用于系統(tǒng)運(yùn)行費(fèi)用和碳排放優(yōu)化調(diào)度,能較準(zhǔn)確反映含PHEV和風(fēng)電的電力優(yōu)化調(diào)度。
[0013](3)根據(jù)第一、二步接收的數(shù)據(jù)和若干典型的場(chǎng)景,對(duì)電力系統(tǒng)優(yōu)化調(diào)度進(jìn)行建模,根據(jù)運(yùn)行要求選擇目標(biāo)函數(shù)和約束條件,包括等式約束條件和不等式約束條件,構(gòu)成混合整數(shù)非線性規(guī)劃問(wèn)題;
(4)根據(jù)上一步產(chǎn)生的混合整數(shù)非線性規(guī)劃問(wèn)題,得出考慮風(fēng)電和負(fù)荷不確定性的含電動(dòng)汽車(chē)節(jié)能減排多目標(biāo)函數(shù)和相應(yīng)約束條件。約束條件為:含PHEV的系統(tǒng)功率平衡約束、PHEV的平衡約束、含PHEV的旋轉(zhuǎn)備用約束、PHEV充放電總量約束、火電機(jī)組自身的出力、爬坡、最小開(kāi)停機(jī)等約束。
[0014](5)將上一步的節(jié)能減排多目標(biāo)通過(guò)給各個(gè)目標(biāo)賦權(quán)重,將多目標(biāo)問(wèn)題轉(zhuǎn)化為新的單目標(biāo)問(wèn)題,并通過(guò)權(quán)重調(diào)節(jié)各個(gè)目標(biāo)在節(jié)能減排總目標(biāo)中的重要性。
[0015](6)將全天分成24個(gè)時(shí)段,I小時(shí)為I個(gè)調(diào)度時(shí)段,由24個(gè)工作代理A1-A24負(fù)責(zé),即每個(gè)時(shí)段對(duì)應(yīng)為I個(gè)工作代理,每個(gè)工作代理內(nèi)部利用遺傳算法進(jìn)行求解,然后由協(xié)同代理對(duì)24個(gè)工作代理的解進(jìn)行協(xié)調(diào),最終得到一天內(nèi)優(yōu)化調(diào)度的解。
[0016]以下結(jié)合附圖,對(duì)本發(fā)明的實(shí)施例作詳細(xì)說(shuō)明,本發(fā)明的流程圖如圖1所示。
[0017]負(fù)荷和風(fēng)電出力的離散概率分布集可表示為:
【權(quán)利要求】
1.一種考慮風(fēng)電和負(fù)荷不確定性的含電動(dòng)汽車(chē)優(yōu)化調(diào)度方法,其特征在于:以含可入網(wǎng)混合電動(dòng)汽車(chē)、風(fēng)電和火電的電力系統(tǒng)為研究對(duì)象,構(gòu)建計(jì)及不確定性的節(jié)能減排調(diào)度模型,綜合考慮風(fēng)電和負(fù)荷的不確定性、可入網(wǎng)混合電動(dòng)汽車(chē)的充放電控制、可入網(wǎng)混合電動(dòng)汽車(chē)與風(fēng)電的協(xié)調(diào)互補(bǔ);先采用多場(chǎng)景模擬技術(shù)將不確定性的隨機(jī)過(guò)程分解為若干典型的離散概率場(chǎng)景,在此基礎(chǔ)上,采用多代理系統(tǒng)技術(shù)將以節(jié)能和CO2排放為目標(biāo)的優(yōu)化調(diào)度分解為24個(gè)工作代理,工作代理負(fù)責(zé)每個(gè)時(shí)段的靜態(tài)調(diào)度,采用遺傳算法求解集;協(xié)同代理負(fù)責(zé)工作代理之間動(dòng)態(tài)耦合調(diào)度,使系統(tǒng)滿(mǎn)足動(dòng)態(tài)平衡約束;最終通過(guò)權(quán)重調(diào)節(jié)實(shí)現(xiàn)碳排放和節(jié)能之間的有效協(xié)調(diào);具體包括如下步驟: (1)接受電網(wǎng)機(jī)組調(diào)度中心得出的系統(tǒng)未來(lái)24小時(shí)負(fù)荷需求數(shù)據(jù);接收風(fēng)電場(chǎng)對(duì)風(fēng)電出力大小的預(yù)測(cè)數(shù)據(jù),包括預(yù)測(cè)風(fēng)電大小和風(fēng)電出力的上下限區(qū)間;接收可入網(wǎng)混合電動(dòng)汽車(chē)的相關(guān)特性數(shù)據(jù);根據(jù)各個(gè)發(fā)電廠上報(bào)的機(jī)組特性數(shù)據(jù)得出各個(gè)機(jī)組的特性約束; (2)根據(jù)大型風(fēng)電場(chǎng)出力、負(fù)荷的不確定性信息,采用多場(chǎng)景模擬技術(shù)選取若干典型的系統(tǒng)運(yùn)行狀態(tài)用于系統(tǒng)運(yùn)行費(fèi)用和碳排放優(yōu)化調(diào)度; (3)根據(jù)第一、二步接收的數(shù)據(jù)和若干典型的場(chǎng)景,對(duì)電力系統(tǒng)優(yōu)化調(diào)度進(jìn)行建模,根據(jù)運(yùn)行要求選擇目標(biāo)函數(shù)和約束條件,包括等式約束條件和不等式約束條件,構(gòu)成混合整數(shù)非線性規(guī)劃問(wèn)題; (4)根據(jù)上一步產(chǎn)生的混合整數(shù)非線性規(guī)劃問(wèn)題,得出考慮風(fēng)電和負(fù)荷不確定性的含電動(dòng)汽車(chē)節(jié)能減排多目標(biāo)函數(shù)和相應(yīng)約束條件; (5)將上一步的節(jié)能減排多目標(biāo)函數(shù)通過(guò)給各個(gè)目標(biāo)賦權(quán)重,將多目標(biāo)問(wèn)題轉(zhuǎn)化為新的單目標(biāo)問(wèn)題,并通過(guò)權(quán)重調(diào)節(jié)各個(gè)目標(biāo)在節(jié)能減排總目標(biāo)中的重要性; (6)將全天分成24個(gè)時(shí)段,I小時(shí)為I個(gè)調(diào)度時(shí)段,由24個(gè)工作代理A1-A24負(fù)責(zé),即每個(gè)時(shí)段對(duì)應(yīng)為I個(gè)工作代理,每個(gè)工作代理內(nèi)部利用遺傳算法進(jìn)行求解,然后由協(xié)同代理對(duì)24個(gè)工作代理的解進(jìn)行協(xié)調(diào),最終得到一天內(nèi)優(yōu)化調(diào)度的解。
2.根據(jù)權(quán)利要求1所述的一種考慮風(fēng)電和負(fù)荷不確定性的含電動(dòng)汽車(chē)優(yōu)化調(diào)度方法,其特征在于:所述多場(chǎng)景模擬技術(shù)采用離散的概率分布取代隨機(jī)變量的不確定性,場(chǎng)景的產(chǎn)生經(jīng)過(guò)2個(gè)步驟:I)通過(guò)概率統(tǒng)計(jì)方法獲得隨機(jī)變量的概率分布;2)采用近似的方法,在盡可能減小信息損失的前提下,將隨機(jī)變量的原概率分布離散化; 負(fù)荷和風(fēng)電出力的離散概率分布集表示為:<img/ (p/,4)為不確定性負(fù)荷在場(chǎng)景s下的負(fù)荷值及其對(duì)應(yīng)的概率,nd為負(fù)荷的場(chǎng)景總數(shù);<img/ U為不確定性風(fēng)電在場(chǎng)景5下的出力值及其對(duì)應(yīng)的概率,?為風(fēng)電的場(chǎng)景總數(shù);<img/ 負(fù)荷和風(fēng)電所有場(chǎng)景的集合用SC表示,
3.根據(jù)權(quán)利要求1所述的一種考慮風(fēng)電和負(fù)荷不確定性的含電動(dòng)汽車(chē)優(yōu)化調(diào)度方法,其特征在于:所述考慮風(fēng)電和負(fù)荷不確定性的含電動(dòng)汽車(chē)節(jié)能減排多目標(biāo)函數(shù)采用多場(chǎng)景模擬技術(shù),考慮負(fù)荷和風(fēng)電的不確定性的燃料費(fèi)用函數(shù)演變?yōu)?
4.根據(jù)權(quán)利要求1所述的一種考慮風(fēng)電和負(fù)荷不確定性的含電動(dòng)汽車(chē)優(yōu)化調(diào)度方法,其特征在于:考慮風(fēng)電和負(fù)荷不確定性的含電動(dòng)汽車(chē)節(jié)能減排約束條件為:含可入網(wǎng)混合電動(dòng)汽車(chē)的系統(tǒng)功率平衡約束、可入網(wǎng)混合電動(dòng)汽車(chē)的平衡約束、含可入網(wǎng)混合電動(dòng)汽車(chē)的旋轉(zhuǎn)備用約束、可入網(wǎng)混合電動(dòng)汽車(chē)充放電總量約束、火電機(jī)組自身的出力、爬坡、最小開(kāi)停機(jī)約束。
5.根據(jù)權(quán)利要求1所述的一種考慮風(fēng)電和負(fù)荷不確定性的含電動(dòng)汽車(chē)優(yōu)化調(diào)度方法,其特征在于:所述步驟(5)中綜合考慮節(jié)能減排和不確定的優(yōu)化調(diào)度模型為:
6.根據(jù)權(quán)利要求1所述的一種考慮風(fēng)電和負(fù)荷不確定性的含電動(dòng)汽車(chē)優(yōu)化調(diào)度方法,其特征在于:所述多代理系統(tǒng)技術(shù)的每一個(gè)工作代理除和協(xié)同代理存在聯(lián)系外,還和其前后相鄰的代理進(jìn)行信息交流,為便于區(qū)別,稱(chēng)前一時(shí)段的代理為當(dāng)前代理的前驅(qū),后一時(shí)段的代理為當(dāng)前代理的后繼,協(xié)同代理達(dá)到系統(tǒng)協(xié)同進(jìn)化的目標(biāo)。
7.根據(jù)權(quán)利要求1所述的一種考慮風(fēng)電和負(fù)荷不確定性的含電動(dòng)汽車(chē)優(yōu)化調(diào)度方法,其特征在于:每個(gè)所述工作代理負(fù)責(zé)協(xié)調(diào)風(fēng)電、火電和可入網(wǎng)混合電動(dòng)汽車(chē)之間的靜態(tài)調(diào)度,它的目標(biāo)即為該時(shí)段內(nèi)的運(yùn)行成本和氣體排放量的總目標(biāo)最小,約束條件為相應(yīng)負(fù)荷斷面下的靜態(tài)約束條件,而不考慮機(jī)組的啟停時(shí)間等動(dòng)態(tài)耦合約束,采用遺傳算法求得一解集。
8.根據(jù)權(quán)利要求書(shū)I所述的一種考慮風(fēng)電和負(fù)荷不確定性的含電動(dòng)汽車(chē)優(yōu)化調(diào)度方法,其特征在于:所述協(xié)同代理的目標(biāo)為整個(gè)調(diào)度周期內(nèi)的燃料消耗和氣體排放總量最小,約束條件為整個(gè)調(diào)度周期內(nèi) 的動(dòng)態(tài)耦合約束。
【文檔編號(hào)】G06Q50/06GK103632205SQ201310538730
【公開(kāi)日】2014年3月12日 申請(qǐng)日期:2013年11月5日 優(yōu)先權(quán)日:2013年11月5日
【發(fā)明者】張曉花, 謝俊, 朱正偉, 張孝康 申請(qǐng)人:常州大學(xué)
網(wǎng)友詢(xún)問(wèn)留言 已有0條留言
  • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1
厦门市| 嘉祥县| 阿巴嘎旗| 罗江县| 吴旗县| 潜山县| 阳曲县| 阳江市| 浮梁县| 华坪县| 贵定县| 茶陵县| 囊谦县| 建始县| 丁青县| 广宗县| 富顺县| 安泽县| 南汇区| 松阳县| 商丘市| 政和县| 朝阳市| 扬州市| 同江市| 岐山县| 桃源县| 衡水市| 措美县| 报价| 肥东县| 西林县| 城步| 东丰县| 阳高县| 察雅县| 上饶县| 凉山| 香河县| 洮南市| 龙州县|