Acest post este co-autor cu Hernan Figueroa, Sr. Manager Data Science la Marubeni Power International.
Marubeni Power International Inc (MPII) deține și investește în platforme de afaceri energetice din America. O verticală importantă pentru MPII este gestionarea activelor pentru energia regenerabilă și activele de stocare a energiei, care sunt esențiale pentru a reduce intensitatea carbonului a infrastructurii noastre de energie. Lucrul cu active de energie regenerabilă necesită soluții digitale predictive și receptive, deoarece generarea de energie regenerabilă și condițiile pieței de energie electrică sunt în continuă schimbare. MPII folosește un motor de optimizare a sumelor licitate de învățare automată (ML) pentru a informa procesele de luare a deciziilor din amonte în gestionarea și tranzacționarea activelor energetice. Această soluție îi ajută pe analiștii de piață să proiecteze și să realizeze strategii de licitare bazate pe date, optimizate pentru profitabilitatea activelor de energie.
În această postare, veți afla cum Marubeni optimizează deciziile de piață utilizând setul larg de servicii AWS de analiză și ML, pentru a construi o soluție de optimizare Power Bid robustă și rentabilă.
Prezentare generală a soluțiilor
Piețele de energie electrică permit comerțul cu energie și energie să echilibreze cererea și oferta de energie în rețeaua electrică și să acopere diferitele nevoi de fiabilitate a rețelei electrice. Participanții de pe piață, cum ar fi operatorii de active MPII, licita în mod constant putere și cantități de energie pe aceste piețe de energie electrică pentru a obține profituri din activele lor energetice. Un participant pe piață poate depune oferte pe diferite piețe simultan pentru a crește profitabilitatea unui activ, dar trebuie să ia în considerare limitele puterii activelor și vitezele de răspuns, precum și alte constrângeri operaționale ale activelor și interoperabilitatea acelor piețe.
Soluția motorului de optimizare a sumelor licitate MPII utilizează modele ML pentru a genera sume licitate optime pentru participarea pe diferite piețe. Cele mai frecvente oferte sunt ofertele de energie pentru ziua următoare, care ar trebui depuse cu 1 zi înainte de ziua de tranzacționare efectivă, și ofertele de energie în timp real, care trebuie depuse cu 75 de minute înainte de ora de tranzacționare. Soluția orchestrează licitarea dinamică și funcționarea unui activ de putere și necesită utilizarea capacităților de optimizare și predicție disponibile în modelele sale ML.
Soluția Power Bid Optimization include mai multe componente care joacă roluri specifice. Să parcurgem componentele implicate și funcția lor de afaceri.
Colectarea și ingerarea datelor
Stratul de colectare și asimilare a datelor se conectează la toate sursele de date din amonte și încarcă datele în lacul de date. Licitația pe piața de energie electrică necesită cel puțin patru tipuri de input:
- Prognoze privind cererea de energie electrică
- Prognoza meteo
- Istoricul prețurilor pieței
- Prognoza prețului energiei electrice
Aceste surse de date sunt accesate exclusiv prin intermediul API-urilor. Prin urmare, componentele de asimilare trebuie să poată gestiona autentificarea, aprovizionarea datelor în modul pull, preprocesarea datelor și stocarea datelor. Deoarece datele sunt preluate la fiecare oră, este necesar și un mecanism pentru a orchestra și a programa lucrări de asimilare.
Pregătirea datelor
Ca și în majoritatea cazurilor de utilizare ML, pregătirea datelor joacă un rol critic. Datele provin din surse disparate în mai multe formate. Înainte de a fi gata să fie consumat pentru formarea modelului ML, trebuie să parcurgă câțiva dintre următorii pași:
- Consolidați seturile de date orare în funcție de ora sosirii. Un set de date complet trebuie să includă toate sursele.
- Creșteți calitatea datelor utilizând tehnici precum standardizarea, normalizarea sau interpolarea.
La sfârșitul acestui proces, datele organizate sunt puse în scenă și puse la dispoziție pentru consum ulterioar.
Instruire și desfășurare model
Următorul pas constă în pregătirea și implementarea unui model capabil să prezică oferte optime de piață pentru cumpărarea și vânzarea de energie. Pentru a minimiza riscul de subperformanță, Marubeni a folosit tehnica modelării ansamblului. Modelarea ansamblului constă în combinarea mai multor modele ML pentru a îmbunătăți performanța de predicție. Marubeni reunește rezultatele modelelor de predicție externe și interne cu o medie ponderată pentru a profita de puterea tuturor modelelor. Modelele interne ale lui Marubeni se bazează pe arhitecturi Long Short-Term Memory (LSTM), care sunt bine documentate și ușor de implementat și personalizat în TensorFlow. Amazon SageMaker acceptă implementările TensorFlow și multe alte medii ML. Modelul extern este proprietar, iar descrierea lui nu poate fi inclusă în această postare.
În cazul lui Marubeni, modelele de licitare efectuează optimizare numerică pentru a maximiza veniturile folosind o versiune modificată a funcțiilor obiectiv utilizate în publicație Oportunități de stocare a energiei în CAISO.
SageMaker îi permite lui Marubeni să ruleze algoritmi ML și de optimizare numerică într-un singur mediu. Acest lucru este critic, deoarece în timpul pregătirii modelului intern, rezultatul optimizării numerice este utilizat ca parte a funcției de pierdere de predicție. Pentru mai multe informații despre cum să abordați cazurile de utilizare a optimizării numerice, consultați Rezolvarea problemelor de optimizare numerică, cum ar fi planificarea, rutare și alocare cu Amazon SageMaker Processing.
Apoi implementăm acele modele prin puncte finale de inferență. Pe măsură ce datele proaspete sunt ingerate periodic, modelele trebuie reinstruite, deoarece devin învechite în timp. Secțiunea de arhitectură de mai târziu în această postare oferă mai multe detalii despre ciclul de viață al modelelor.
Generarea de date privind oferta de putere
Pe oră, soluția prezice cantitățile și prețurile optime la care ar trebui să fie oferită energie pe piață - numite și sumele licitate. Cantitățile sunt măsurate în MW și prețurile sunt măsurate în $/MW. Ofertele sunt generate pentru mai multe combinații de condiții de piață prezise și percepute. Următorul tabel prezintă un exemplu de finală curba ofertei ieșire pentru ora de funcționare 17 la un nod de tranzacționare ilustrativ lângă biroul lui Marubeni din Los Angeles.
Data | oră | Piață | Locație | MW | Preț |
11/7/2022 | 17 | Energie RT | LCIENEGA_6_N001 | 0 | $0 |
11/7/2022 | 17 | Energie RT | LCIENEGA_6_N001 | 1.65 | $80.79 |
11/7/2022 | 17 | Energie RT | LCIENEGA_6_N001 | 5.15 | $105.34 |
11/7/2022 | 17 | Energie RT | LCIENEGA_6_N001 | 8 | $230.15 |
Acest exemplu reprezintă dorința noastră de a licita 1.65 MW de putere dacă prețul energiei este de cel puțin 80.79 USD, 5.15 MW dacă prețul energiei este de cel puțin 105.34 USD și 8 MW dacă prețul energiei este de cel puțin 230.15 USD.
Operatorii de sistem independenți (ISO) supraveghează piețele de energie electrică din SUA și sunt responsabili pentru atribuirea și respingerea ofertelor pentru a menține fiabilitatea rețelei electrice în cel mai economic mod. California Independent System Operator (CAISO) operează piețele de energie electrică din California și publică rezultatele pieței în fiecare oră înainte de următoarea fereastră de licitație. Prin încrucișarea condițiilor actuale de piață cu echivalentul lor pe curbă, analiștii pot deduce venituri optime. Soluția Power Bid Optimization actualizează ofertele viitoare utilizând noi informații de piață primite și noi rezultate predictive ale modelului
Prezentare generală a arhitecturii AWS
Arhitectura soluției ilustrată în figura următoare implementează toate straturile prezentate mai devreme. Utilizează următoarele servicii AWS ca parte a soluției:
- Serviciul Amazon de stocare simplă (Amazon S3) pentru a stoca următoarele date:
- Prețuri, vreme și date de prognoză de încărcare din diverse surse.
- Date consolidate și îmbunătățite gata pentru a fi utilizate pentru antrenamentul modelului.
- Curbele de sumă licitată de ieșire actualizate din oră.
- Amazon SageMaker pentru a instrui, testa și implementa modele pentru a difuza sume licitate optimizate prin puncte finale de inferență.
- Funcții pas AWS pentru a orchestra atât conductele de date, cât și ML. Folosim două mașini de stat:
- O singură mașină de stat pentru a orchestra colectarea datelor și a se asigura că toate sursele au fost ingerate.
- O singură mașină de stat pentru a orchestra conducta ML, precum și fluxul de lucru optimizat de generare a licitațiilor.
- AWS Lambdas pentru a implementa funcționalitatea de asimilare, preprocesare și postprocesare:
- Trei funcții pentru a ingera fluxuri de date de intrare, cu o funcție pe sursă.
- O singură funcție pentru consolidarea și pregătirea datelor pentru antrenament.
- O funcție care generează estimarea prețului apelând punctul final al modelului implementat în SageMaker.
- Amazon Atena pentru a oferi dezvoltatorilor și analiștilor de afaceri acces SQL la datele generate pentru analiză și depanare.
- Amazon EventBridge pentru a declanșa absorbția de date și pipeline ML într-un program și ca răspuns la evenimente.
În secțiunile următoare, discutăm despre fluxul de lucru mai detaliat.
Colectarea și pregătirea datelor
În fiecare oră, este invocată mașina de stare Step Functions de pregătire a datelor. Apelează fiecare dintre funcțiile Lambda de asimilare a datelor în paralel și așteaptă ca toate cele patru să se finalizeze. Funcțiile de colectare a datelor își apelează API-ul sursă respectiv și recuperează datele din ultima oră. Fiecare funcție stochează apoi datele primite în compartimentul S3 respectiv.
Aceste funcții au o bază comună de implementare care oferă elemente de bază pentru manipularea standard a datelor, cum ar fi normalizarea sau indexarea. Pentru a realiza acest lucru, folosim straturi Lambda și Potirul AWS, așa cum este descris în Utilizarea AWS Lambda Layers cu AWS Chalice. Acest lucru asigură că toți dezvoltatorii folosesc aceleași biblioteci de bază pentru a construi noi logici de pregătire a datelor și accelerează implementarea.
După ce toate cele patru surse au fost ingerate și stocate, aparatul de stare declanșează funcția Lambda de pregătire a datelor. Datele privind prețul energiei, vremea și prognoza încărcării sunt primite în fișiere JSON și delimitate de caractere. Fiecare parte de înregistrare a fiecărui fișier poartă un marcaj temporal care este utilizat pentru a consolida fluxurile de date într-un singur set de date care acoperă un interval de timp de 1 oră.
Această construcție oferă un flux de lucru complet bazat pe evenimente. Pregătirea datelor de antrenament este inițiată de îndată ce toate datele așteptate sunt ingerate.
Conducta ML
După pregătirea datelor, noile seturi de date sunt stocate în Amazon S3. O regulă EventBridge declanșează conducta ML printr-o mașină de stare Step Functions. Mașina de stat conduce două procese:
- Verificați dacă modelul de generare a curbei licitate este actual
- Declanșează automat reantrenarea modelului atunci când performanța scade sau modelele sunt mai vechi de un anumit număr de zile
Dacă vârsta modelului implementat în prezent este mai veche decât cel mai recent set de date cu un anumit prag - să zicem 7 zile - mașina de stare Step Functions pornește conducta SageMaker care antrenează, testează și implementează un nou punct final de inferență. Dacă modelele sunt încă actualizate, fluxul de lucru omite pipeline ML și trece la pasul de generare a ofertei. Indiferent de starea modelului, la livrarea unui nou set de date orare este generată o nouă curbă a sumei licitate. Următoarea diagramă ilustrează acest flux de lucru. În mod implicit, StartPipelineExecution
acțiunea este asincronă. Putem face ca mașina de stat să aștepte sfârșitul conductei înainte de a invoca pasul de generare a ofertelor folosind „Așteptați apel invers' opțiune.
Pentru a reduce costul și timpul de comercializare în construirea unei soluții pilot, Marubeni a folosit Inferență fără server Amazon SageMaker. Acest lucru asigură că infrastructura de bază utilizată pentru instruire și implementare implică taxe numai atunci când este necesar. Acest lucru facilitează, de asemenea, procesul de construire a conductei, deoarece dezvoltatorii nu mai trebuie să gestioneze infrastructura. Aceasta este o opțiune excelentă pentru sarcinile de lucru care au perioade de inactivitate între accesele de trafic. Pe măsură ce soluția se maturizează și trece în producție, Marubeni își va revizui designul și va adopta o configurație mai potrivită pentru o utilizare previzibilă și constantă.
Generarea ofertelor și interogarea datelor
Funcția Lambda de generare a sumelor licitate invocă periodic punctul final de inferență pentru a genera predicții orare și stochează rezultatul în Amazon S3.
Dezvoltatorii și analiștii de afaceri pot explora apoi datele folosind Athena și Microsoft Power BI pentru vizualizare. Datele pot fi, de asemenea, puse la dispoziție prin API pentru aplicațiile de afaceri din aval. În faza pilot, operatorii consultă vizual curba ofertei pentru a-și susține activitățile de tranzacționare cu energie pe piețe. Cu toate acestea, Marubeni are în vedere automatizarea acestui proces în viitor, iar această soluție oferă bazele necesare pentru a face acest lucru.
Concluzie
Această soluție i-a permis lui Marubeni să-și automatizeze complet procesarea datelor și conductele de asimilare, precum și să reducă timpul de implementare a modelelor predictive și de optimizare de la ore la minute. Curbele licitațiilor sunt acum generate automat și ținute la zi pe măsură ce condițiile pieței se schimbă. De asemenea, au realizat o reducere de 80% a costurilor la trecerea de la un punct final de inferență prevăzut la un punct final fără server.
Soluția de prognoză MPII este una dintre inițiativele recente de transformare digitală pe care Corporația Marubeni le lansează în sectorul energetic. MPII intenționează să construiască soluții digitale suplimentare pentru a sprijini noile platforme de afaceri energetice. MPII se poate baza pe serviciile AWS pentru a-și susține strategia de transformare digitală în multe cazuri de utilizare.
Ne putem concentra pe gestionarea lanțului valoric pentru noile platforme de afaceri, știind că AWS gestionează infrastructura digitală de bază a soluțiilor noastre.Matei 22:21
– Hernan Figueroa, Sr. Manager Data Science la Marubeni Power International.
Pentru mai multe informații despre modul în care AWS ajută organizațiile energetice în inițiativele lor de transformare digitală și sustenabilitate, consultați Energie AWS.
Marubeni Power International este o subsidiara a Marubeni Corporation. Marubeni Corporation este un important conglomerat japonez de afaceri și investiții. Misiunea Marubeni Power International este de a dezvolta noi platforme de afaceri, de a evalua noile tendințe și tehnologii energetice și de a gestiona portofoliul de energie al Marubeni în America. Dacă doriți să aflați mai multe despre Marubeni Power, verificați https://www.marubeni-power.com/.
Despre Autori
Hernan Figueroa conduce inițiativele de transformare digitală la Marubeni Power International. Echipa sa aplică știința datelor și tehnologiile digitale pentru a sprijini strategiile de creștere Marubeni Power. Înainte de a se alătura lui Marubeni, Hernan a fost Data Scientist la Universitatea Columbia. El deține un doctorat. în Inginerie Electrică și o licență în Inginerie Calculatoare.
Lino Brescia este director principal de cont cu sediul în NYC. Are peste 25 de ani de experiență tehnologică și s-a alăturat AWS în 2018. El gestionează clienții întreprinderi globale, pe măsură ce își transformă afacerea cu serviciile cloud AWS și efectuează migrări la scară largă.
Narcisse Zekpa este un arhitect Sr. Solutions cu sediul în Boston. El ajută clienții din nord-estul SUA să-și accelereze transformarea afacerii prin soluții inovatoare și scalabile, pe AWS Cloud. Când Narcisse nu construiește, îi place să petreacă timpul cu familia sa, călătorind, gătind, să joace baschet și să alerge.
Pedram Jahangiri este arhitect de soluții pentru întreprinderi cu AWS, cu un doctorat în inginerie electrică. Are o experiență de peste 10 ani în industria energetică și IT. Pedram are mulți ani de experiență practică în toate aspectele Advanced Analytics pentru construirea de soluții cantitative și la scară largă pentru întreprinderi, prin valorificarea tehnologiilor cloud.
Sarah Childers este un manager de cont cu sediul în Washington DC. Ea este o fostă educatoare în știință devenită pasionată de cloud, concentrată pe sprijinirea clienților în călătoria lor în cloud. Lui Sarah îi place să lucreze alături de o echipă motivată care încurajează idei diversificate pentru a echipa cel mai bine clienții cu cele mai inovatoare și cuprinzătoare soluții.
- Distribuție de conținut bazat pe SEO și PR. Amplifică-te astăzi.
- Platoblockchain. Web3 Metaverse Intelligence. Cunoștințe amplificate. Accesați Aici.
- Sursa: https://aws.amazon.com/blogs/machine-learning/how-marubeni-is-optimizing-market-decisions-using-aws-machine-learning-and-analytics/
- :este
- $UP
- 1
- 10
- 100
- 2018
- 7
- 8
- a
- Capabil
- Despre Noi
- accelera
- acces
- accesate
- Cont
- Obține
- peste
- Acțiune
- activităţi de
- Suplimentar
- adresa
- adopta
- avansa
- avansat
- Avantaj
- algoritmi
- TOATE
- alocare
- pe langa
- Amazon
- Amazon SageMaker
- Americi
- sumă
- analiză
- analiști
- Google Analytics
- și
- Angeles
- api
- API-uri
- aplicatii
- arhitectură
- SUNT
- sosire
- AS
- aspecte
- activ
- gestionarea activelor
- Bunuri
- At
- augmented
- Autentificare
- automatizarea
- în mod automat
- automatizarea
- disponibil
- in medie
- AWS
- AWS Lambdas
- Învățare automată AWS
- Sold
- de bază
- bazat
- De bază
- bază
- Baschet
- BE
- deoarece
- deveni
- înainte
- fiind
- CEL MAI BUN
- între
- ofertă
- Blocuri
- boston
- larg
- construi
- Clădire
- afaceri
- Aplicații pentru afaceri
- Transformarea afacerilor
- Cumpărare
- by
- California
- apel
- denumit
- apel
- apeluri
- CAN
- nu poti
- capacități
- capabil
- carbon
- caz
- cazuri
- sigur
- lanţ
- Schimbare
- schimbarea
- caracter
- taxe
- verifica
- Cloud
- servicii de tip cloud
- colectare
- Columbia
- combinaţii
- combinând
- Comun
- Completă
- componente
- cuprinzător
- calculator
- Inginerie calculator
- Condiții
- Configuraţie
- conglomerat
- Connects
- Lua în considerare
- luand in considerare
- consolida
- mereu
- constrângeri
- construi
- consumate
- consum
- continuu
- gătit
- CORPORAȚIE
- A costat
- reducerea costurilor
- cost-eficiente
- acoperi
- acoperire
- critic
- referințe încrucișate
- curator
- Curent
- În prezent
- curba
- clienţii care
- personaliza
- de date
- Lacul de date
- Pregătirea datelor
- de prelucrare a datelor
- știința datelor
- om de știință de date
- stocare a datelor
- Pe bază de date
- seturi de date
- Data
- zi
- dc
- Luarea deciziilor
- Deciziile
- Mod implicit
- livrare
- Cerere
- implementa
- dislocate
- Implementarea
- desfășurarea
- implementări
- implementează
- descris
- descriere
- Amenajări
- detaliu
- detalii
- dezvolta
- Dezvoltatorii
- diferit
- digital
- Transformarea digitală
- discuta
- nebunie
- diversificat
- în timpul
- dinamic
- fiecare
- Mai devreme
- mai ușor
- uşor
- electric
- Inginerie Electrică
- electricitate
- permite
- activat
- permite
- încurajează
- Punct final
- energie
- Motor
- Inginerie
- asigura
- asigură
- Afacere
- clienții întreprinderii
- Companii
- entuziast
- Mediu inconjurator
- medii
- Echivalent
- Eter (ETH)
- evenimente
- Fiecare
- exemplu
- exclusiv
- executiv
- de aşteptat
- experienţă
- explora
- extern
- familie
- Adus
- Figura
- Fișier
- Fişiere
- final
- Concentra
- concentrat
- următor
- Pentru
- Prognoză
- Fost
- Fundații
- FRAME
- proaspăt
- din
- complet
- funcţie
- funcționalitate
- funcții
- mai mult
- viitor
- genera
- generată
- generează
- generaţie
- Caritate
- Go
- mare
- Grilă
- Creștere
- hands-on
- Avea
- ajutor
- ajută
- deține
- ORE
- Cum
- Cum Pentru a
- Totuși
- HTML
- HTTPS
- idei
- Idle
- punerea în aplicare a
- implementarea
- ustensile
- important
- in
- include
- inclus
- include
- Intrare
- Crește
- independent
- industrie
- informații
- Infrastructură
- inițiative
- inovatoare
- intrare
- intern
- Internațional
- Interoperabilitate
- investiţie
- investeste
- invocă
- implicat
- IT
- Industria IT
- ESTE
- Japonez
- Locuri de munca
- alăturat
- aderarea
- călătorie
- jpg
- JSON
- Kicks
- Cunoaște
- Cunoaștere
- lac
- pe scară largă
- Ultimele
- lansare
- strat
- straturi
- Conduce
- AFLAȚI
- învăţare
- efectului de pârghie
- biblioteci
- ciclu de viață
- ca
- Limitele
- încărca
- loturile
- Lung
- mai lung
- lor
- Los Angeles
- de pe
- maşină
- masina de învățare
- Masini
- făcut
- menține
- major
- FACE
- administra
- administrare
- manager
- gestionează
- de conducere
- Manipulare
- multe
- Piață
- conditiile magazinului
- pieţe
- matur
- Maximaliza
- mecanism
- Memorie
- Microsoft
- minimaliza
- minute
- Misiune
- ML
- mod
- model
- modelare
- Modele
- modificată
- mai mult
- cele mai multe
- motivat
- mişcă
- multiplu
- În apropiere
- necesar
- Nevoie
- necesar
- nevoilor
- Nou
- următor
- nod
- număr
- NYC
- obiectiv
- obține
- of
- oferit
- Birou
- on
- ONE
- opereaza
- de operare
- operaţie
- operațional
- operator
- Operatorii
- optimă
- optimizare
- optimizate
- optimizarea
- Opțiune
- organizații
- Altele
- producție
- deține
- Paralel
- parte
- participanţi
- participare
- trecut
- percepută
- efectua
- performanță
- perioadele
- fază
- pilot
- conducte
- Planurile
- Platforme
- Plato
- Informații despre date Platon
- PlatoData
- Joaca
- joc
- portofoliu
- Post
- putere
- Power BI
- Alimentare electrică
- predictibil
- a prezis
- estimarea
- prezicere
- Predictii
- prezice
- Pregăti
- prezentat
- preţ
- prognoza pretului
- Prețuri
- Principal
- anterior
- probleme
- proces
- procese
- prelucrare
- producere
- rentabilitatea
- profiturile
- proprietate
- furniza
- furnizează
- Publicare
- publică
- calitate
- cantitativ
- gata
- în timp real
- realizat
- primit
- recent
- record
- reduce
- Fără deosebire
- încredere
- se bazează
- Din surse regenerabile
- energie regenerabila
- reprezintă
- necesar
- Necesită
- respectiv
- răspuns
- responsabil
- sensibil
- REZULTATE
- reconversie profesională
- venituri
- revizuiască
- Risc
- robust
- Rol
- rolurile
- Regula
- Alerga
- funcţionare
- s
- sagemaker
- acelaşi
- scalabil
- programa
- Ştiinţă
- Om de stiinta
- Secțiune
- secțiuni
- sector
- De vânzare
- servi
- serverless
- Servicii
- set
- Distribuie
- Pe termen scurt
- să
- Emisiuni
- simplu
- simultan
- singur
- So
- soluţie
- soluţii
- unele
- Curând
- Sursă
- Surse
- Sourcing
- specific
- viteze
- Cheltuire
- SQL
- standard
- Stat
- constant
- Pas
- paşi
- Încă
- depozitare
- stoca
- stocate
- magazine
- strategii
- Strategie
- rezistenţă
- prezenta
- prezentat
- filială
- astfel de
- livra
- Cerere și ofertă
- a sustine
- De sprijin
- Sprijină
- Durabilitate
- sistem
- tabel
- Lua
- echipă
- tehnici de
- Tehnologii
- Tehnologia
- tensorflow
- test
- teste
- acea
- Viitorul
- Statul
- lor
- prin urmare
- Acestea
- Prin
- timp
- timestamp-ul
- la
- Trading
- trafic
- Tren
- Pregătire
- trenuri
- tranzacție
- Transforma
- Transformare
- Strategia de transformare
- tranziții
- Traveling
- Tendinţe
- declanşa
- transformat
- Tipuri
- ne
- care stau la baza
- universitate
- actualizări
- Date din amonte
- us
- Folosire
- utilizare
- carcasa de utilizare
- valoare
- diverse
- versiune
- de
- vizualizare
- aștepta
- Washington
- Washington DC
- Cale..
- Vreme
- BINE
- care
- voi
- Bunăvoință
- cu
- în
- flux de lucru
- de lucru
- ar
- ani
- zephyrnet