Table des Matières
La prédiction des pannes d'ESP exploite les données qu'une pompe électrique immergée envoie déjà en surface, comme le courant moteur, la pression d'aspiration, la température moteur et les vibrations, pour signaler les puits dont la pompe risque de tomber en panne. Dans une étude de terrain publiée, le préavis atteignait 7 jours : de quoi planifier un workover et protéger la pompe, pas remplacer les ingénieurs de surveillance.
Points clés
- Sur 13 publications industrielles couvrant plus de 15 000 ESP, la durée de vie moyenne déclarée allait de 10 à 66 mois, avec une moyenne de 27 mois (Oil & Gas Journal, 2010).
- Le courant moteur est mesuré en surface par le variateur ou le coffret de commande. Un capteur de fond ajoute la pression d'aspiration, la température du bobinage moteur, les vibrations et le courant de fuite, échantillonnés toutes les 5 à 25 secondes sur le capteur d'un fournisseur (Baker Hughes).
- L'étiquetage est la partie difficile. Motifs de remontée et constats de démontage doivent être codés de façon cohérente, par exemple avec la nomenclature ESP-RIFTS fondée sur l'ISO 14224 et l'API RP 11S1 (Alhanati et al., 2001).
- Dans une étude de terrain, un modèle PCA et XGBoost a signalé des pannes électriques jusqu'à 7 jours à l'avance, avec une précision de 0,80 et un rappel de 0,60 (Abdalla et al., 2022).
- Mesurez la durée de vie avec des courbes de survie et évaluez les modèles par événement de panne, pas par point de données.
Pourquoi les pompes électriques immergées tombent-elles en panne ?
Une ESP est une pompe centrifuge multicellulaire entraînée par un moteur électrique au fond du puits, avec un protecteur (seal section) entre les deux, un câble d'alimentation jusqu'en surface et un variateur ou un coffret de commande qui l'alimente. Les ESP sont considérées comme la deuxième méthode d'activation (artificial lift) la plus utilisée (Abdalla et al., 2022). Une panne impose de remonter l'équipement avec un appareil de workover, pendant que le puits produit peu ou pas du tout.
Un ingénieur de Baker Hughes a recensé dix facteurs qui déterminent la durée de vie d'une ESP (Vandevier, 2010). Les principaux sont résumés ci-dessous, avec les signaux où ils peuvent apparaître.
| Cause | Effet | Où cela peut apparaître dans les données |
|---|---|---|
| Fonctionnement hors de la plage de débit de la pompe | Forte poussée descendante ou ascendante (downthrust, upthrust) | Pression d'aspiration et fréquence éloignées du point de dimensionnement |
| Mauvaise qualité de l'alimentation électrique | Coupures, mauvaise régulation de tension et harmoniques dégradent l'isolation du moteur avec le temps | Déséquilibre de tension, déclenchements et redémarrages fréquents |
| Température élevée | Chaque 8 °C (18 °F) au-dessus de la classe thermique du moteur divise par deux l'espérance de vie diélectrique | Hausse de la température du bobinage moteur |
| Gaz libre | Interférence de gaz et blocage par gaz (gas lock) | Courant instable et fluctuant ; arrêts |
| Solides et dépôts | Sable, tartre, asphaltènes et paraffines usent ou bouchent les étages et réduisent le refroidissement du moteur | Baisse du débit, hausse de la température moteur |
| Corrosion et endommagement du câble | Perforation des tubings et des pièces métalliques ; défaut d'isolement | Hausse du courant de fuite, défauts à la terre |
Les arrêts et démarrages comptent aussi. Une étude portant sur des puits de Mossoró, au Brésil, note que la durée de vie d'une ESP est affectée par les arrêts répétés, et que des arrêts et redémarrages fréquents finissent par endommager le moteur (Brasil et al., 2023). Sur un champ en injection de polymère, Abdalla et al. relient les pannes électriques à l'endommagement du câble et à la surchauffe du stator, les dépôts de polymère sur le moteur réduisant la dissipation de chaleur.
Combien de temps une ESP doit-elle durer, et comment le mesurer ?
La moyenne de 27 mois citée plus haut cache un problème de mesure. L'industrie utilise plusieurs définitions, qui donnent des résultats différents (Oil & Gas Journal, 2010) :
- La durée de vie moyenne des unités tombées en panne ignore les pompes encore en marche, dont beaucoup fonctionnent peut-être depuis longtemps.
- Le temps moyen entre pannes (MTBF) divise le temps de fonctionnement de toutes les unités par le nombre de pannes.
- Le temps moyen avant remontée (MTBP) compte toutes les remontées, quel qu'en soit le motif, et pas seulement les pannes d'équipement.
Les courbes de survie fondées sur l'analyse de Kaplan-Meier évitent ces pièges. Une publication de Baker Hughes souligne que des statistiques simples de durée de vie servent souvent d'indicateur clé de performance central, mais peuvent ne pas suffire aux décideurs, et applique des courbes de survie pour comparer les facteurs qui influencent la durée de vie (Bryan et Irausquin, SWPSC).
Mettez-vous d'accord sur l'indicateur avant le début du projet, pour que chaque référence soit calculée de la même façon.
De quelles données la prédiction des pannes d'ESP a-t-elle besoin ?
| Source | Signaux courants | Remarques |
|---|---|---|
| Variateur ou coffret de commande | Courant moteur, fréquence, tension, déclenchements | Mesurés en surface ; le courant seul a servi à classer les conditions de fonctionnement |
| Capteur de fond | Pression et température d'aspiration, température du bobinage moteur, vibrations, courant de fuite ; pression de refoulement sur certains modèles | Sur un modèle, pression d'aspiration toutes les 5 s et la plupart des autres voies toutes les 25 s (Baker Hughes) |
| Tête de puits | Pression en tête de tubing et de casing, température en tête de puits | Utilisées avec les données du capteur de fond dans l'étude d'Abdalla |
| Essais de puits | Débits d'huile, d'eau et de gaz, water cut | Peu fréquents ; un débitmètre virtuel peut combler les intervalles |
| Rapports de workover et de démontage | Date de remontée, motif de remontée, composant défaillant, constats de démontage | La source de vos étiquettes |
Attention aux trous dans les données. Les capteurs de fond d'ESP transmettent généralement leurs données par le câble d'alimentation de la pompe. Baker Hughes indique qu'en cas de défaut à la terre sur le câble, le signal du capteur est perdu même si le moteur continue de tourner (Baker Hughes, Zenith GFI). Une perte du capteur peut donc être un symptôme d'un problème de câble : ne la comblez pas simplement par interpolation.
Notre guide sur l'extraction des données d'historian pour le machine learning traite du rééchantillonnage et des horodatages, et la checklist de préparation des données pétrole et gaz aide à vérifier les enregistrements au préalable.
Comment étiqueter les pannes d'ESP ?
Une étiquette de panne doit indiquer le puits, le composant défaillant, le mode de défaillance et le moment où elle a commencé, pas seulement la date du workover. Le projet industriel commun ESP-RIFTS, conduit par C-FER Technologies, a défini un jeu de données général et une nomenclature standard pour coder les pannes d'ESP. Il reprend les définitions et attributs de défaillance de l'ISO 14224, et les termes de composants et de démontage de l'API RP 11S1 (Alhanati et al., 2001). Faire correspondre vos propres codes à cette nomenclature rend les données comparables d'un champ à l'autre. Le projet étudie aussi des mécanismes de défaillance précis, comme la qualité de l'alimentation électrique, les puits à forte fraction volumique de gaz, les garnitures d'arbre, les pénétrateurs électriques et les connecteurs pothead (C-FER Technologies).
Trois points comptent en pratique :
- Distinguer remontées et pannes. Une pompe remontée pour une reprise de complétion n'est pas tombée en panne.
- Utiliser les constats de démontage. Le motif noté à la remontée est une première hypothèse ; le démontage indique quel composant a lâché.
- S'attendre à peu d'exemples. Dans l'étude de Brasil, aucun blocage par gaz n'a été trouvé dans les données de terrain, et les auteurs ont donc simulé ces cas.
Dans les champs algériens, les rapports de workover peuvent mêler français, arabe et abréviations ; voir les documents qui mélangent arabe, français et anglais. Notre guide sur l'étiquetage des pannes dans les séries temporelles détaille le marquage du début de la défaillance, la confiance des étiquettes et la supervision faible.
Quelles méthodes sont utilisées, et que montrent les études publiées ?
Les approches vont des plus simples aux plus complexes :
- Lecture des cartes ampèremétriques et règles. Un article classique du Southwestern Petroleum Short Course compare la carte ampèremétrique à un électrocardiogramme du moteur et indique qu'une analyse rigoureuse permet de détecter de petits problèmes avant qu'ils ne deviennent coûteux (Cunningham et Riling). Les règles écrites avec les ingénieurs de surveillance restent la référence que tout modèle doit battre.
- Classification des conditions de fonctionnement. Brasil et al. ont classé des enregistrements de courant de 24 heures provenant de 20 puits en fonctionnement normal, fonctionnement normal avec gaz, interférence de gaz et blocage par gaz ; une machine à vecteurs de support a atteint 93 % d'exactitude sur 54 enregistrements de test (Brasil et al., 2023).
- Détection d'anomalies sur le fonctionnement normal. PCA avec T² et SPE, ou isolation forest, entraînés sur les périodes saines de chaque puits. Aucune étiquette de panne n'est nécessaire pour construire le modèle ; voir notre comparatif des méthodes de détection d'anomalies.
- Classifieurs supervisés de fenêtre de panne. Abdalla et al. ont rééchantillonné les données du capteur de fond et du variateur au pas horaire, les ont compressées par PCA et ont entraîné XGBoost à reconnaître les 7 jours précédant un workover pour pannes électriques de fond (Abdalla et al., 2022).
- Diagnostic par spectre vibratoire. Le jeu de données public ESPset contient 6 032 spectres de vibration d'ESP utilisées en exploration pétrolière offshore, sous licence CC BY 4.0 (ESPset, Mendeley Data).
| Étude | Données | Cible | Résultat publié | Précaution |
|---|---|---|---|---|
| Abdalla et al., 2022 | Pressions d'aspiration et de refoulement, température moteur, fréquence, courant du variateur, pressions en tête de puits et de casing ; champ en injection de polymère | 7 jours avant une panne électrique de fond | Précision 0,80, rappel 0,60, F1 0,71 sur la classe précédant la panne | 339 089 points normaux contre 1 728 points avant workover ; l'article ne précise pas si le jeu de test provient d'une période ultérieure |
| Brasil et al., 2023 | Enregistrements de courant moteur sur 24 heures, 20 puits à Mossoró, Brésil | Quatre conditions de fonctionnement | 93 % d'exactitude (SVM) | 179 enregistrements au total ; cas de blocage par gaz simulés |
Aucun de ces résultats ne se transpose directement à votre champ.
Comment évaluer un modèle de prédiction des pannes d'ESP ?
L'exactitude point par point est trompeuse quand, comme dans les données d'Abdalla, plus de 99 % des points sont normaux. Évaluez plutôt le modèle sur les événements de panne :
- Événements détectés : parmi les pannes de la période de test, combien ont déclenché une alerte avant l'arrêt ?
- Préavis : l'alerte est-elle arrivée assez tôt pour planifier un appareil, commander des pièces et ajuster le variateur ?
- Fausses alertes par puits et par mois : les ingénieurs de surveillance cesseront de lire une liste qui crie au loup.
- Découpage temporel : entraînez sur les années anciennes et testez sur la plus récente. Les points horaires d'un même puits sont fortement corrélés, et un découpage aléatoire peut surestimer les résultats.
Comparez le résultat avec ce que les ingénieurs détectent déjà grâce aux seuils de déclenchement et aux cartes ampèremétriques.
Comment mener un projet pilote de prédiction des pannes d'ESP ?
- Choisir un parc et un ou deux modes de défaillance, par exemple les pannes électriques de fond sur les puits équipés de capteurs, avec un responsable nommé en ingénierie de production.
- Fixer l'indicateur de durée de vie et calculer une courbe de survie de référence pour le parc.
- Collecter plusieurs années de données du variateur et du capteur de fond depuis le SCADA ou l'historian, en couvrant le plus de pannes possible, avec les rapports de workover et de démontage.
- Reconstruire les étiquettes : distinguer remontées et pannes, et marquer le début de la défaillance là où les ingénieurs le voient.
- Commencer par des règles et la détection d'anomalies ; n'ajouter un modèle supervisé que là où il existe assez de pannes vérifiées.
- Tester sur la période la plus récente, par événement, face à la pratique de surveillance actuelle.
- Faire tourner en parallèle pendant plusieurs mois, avec des alertes revues chaque semaine par les ingénieurs.
- Prévoir le réentraînement. Le water cut, le gaz et les solides évoluent au cours de la vie d'un puits ; voir le suivi de la dérive des modèles.
Où faire tourner le modèle ?
Les champs équipés d'ESP sont souvent loin du siège, avec des liaisons limitées. Faites tourner le modèle près des données, sur des serveurs à l'intérieur de votre réseau, avec un accès en lecture seule au SCADA ou à l'historian et sans accès en écriture aux variateurs. Notre guide sur l'IA sur les sites isolés à faible connectivité décrit l'architecture. La même approche s'applique aux autres machines tournantes ; voir la surveillance de l'état des compresseurs et turbines.
Ce que nous avons constaté chez KABAS AI
Notre page pétrole et gaz cite la maintenance prédictive parmi ses cas d'usage, et DALILE relie données de production, dossiers de maintenance et historiques d'équipements dans un seul système qui tourne sur votre infrastructure. Notre service data science construit des modèles prédictifs qui anticipent les pannes et les déploie avec un suivi sur site. Nous n'avons pas publié de projet ESP : ce qui suit est un conseil, pas un résultat rapporté.
- Commencez par l'archive des workovers, pas par l'algorithme. Des dates de remontée, des motifs et des constats de démontage propres déterminent ce qu'un modèle peut apprendre.
- Investissez le temps des ingénieurs dans le jeu de test. Un petit ensemble de pannes bien documentées, chacune revue par deux ingénieurs, constitue un test plus fiable qu'un grand ensemble d'étiquettes incertaines.
- Exploitez le texte que vous avez déjà. Les rapports de démontage et les notes de workover contiennent l'historique des pannes ; notre article sur l'analyse des causes racines avec un LLM sur l'historique de maintenance montre comment l'utiliser.
Pour une vue d'ensemble, lisez la maintenance prédictive par IA dans le pétrole et le gaz.
Sources
- Abdalla et al., Machine Learning Approach for Predictive Maintenance of the Electrical Submersible Pumps (ESPs), ACS Omega 7(21), 2022
- Brasil et al., Diagnosis of Operating Conditions of the Electrical Submersible Pump via Machine Learning, Sensors 23(1), 2023
- Vandevier, ESP—1: Run-time analysis assesses pump performance, Oil & Gas Journal, octobre 2010
- Vandevier, ESP—Conclusion: Multiple factors affect electrical submersible pump run life, Oil & Gas Journal, novembre 2010
- Alhanati, Solanki et Zahacy, ESP Failures: Can We Talk the Same Language?, SPE ESP Workshop, 2001 (C-FER Technologies)
- C-FER Technologies, ESP-RIFTS research
- Bryan et Irausquin, Impact from Analyzing the Run Life Statistics Using Survivability Curves Methodology on ESP Key Performance Indicators, Southwestern Petroleum Short Course
- Cunningham et Riling, Submersible Electrical Pump Ammeter Chart Interpretation, Southwestern Petroleum Short Course
- Baker Hughes, Zenith E-Series ESP gauge, fiche technique
- Baker Hughes, Zenith GFI ESP gauge, fiche de spécifications
- ESPset: vibration dataset for ESP fault diagnosis, Mendeley Data, 2024
Questions fréquentes
Combien de temps à l'avance peut-on prédire la panne d'une ESP ?
Cela dépend du mode de défaillance et des données. Dans une étude de terrain publiée, un modèle a signalé des pannes électriques de fond jusqu'à 7 jours avant le workover, et a détecté une majorité, mais pas la totalité, des jours précédant la panne. Toutes les pannes ne laissent pas de signature précoce dans les données : un modèle de prédiction appuie les ingénieurs de surveillance des puits, il ne les remplace pas.
Faut-il des capteurs de fond pour prédire les pannes d'ESP ?
Pas pour commencer. Le courant moteur est mesuré en surface par le variateur ou le coffret de commande, et une étude publiée a classé l'interférence de gaz et le blocage par gaz à partir du seul courant. Les capteurs de fond ajoutent la pression d'aspiration, la température moteur, les vibrations et le courant de fuite, qui aident à distinguer un problème de puits d'un problème d'équipement.
Combien de pannes passées faut-il pour entraîner un modèle ?
Il n'y a pas de nombre fixe. Avec seulement quelques pannes documentées par mode, entraînez un détecteur d'anomalies sur le fonctionnement normal et gardez les pannes pour le tester. Un modèle supervisé qui prédit un mode de défaillance précis a besoin de suffisamment d'exemples vérifiés de ce mode, ce qui implique en général de regrouper des puits similaires.
Quelle est la différence entre durée de vie en service (run life) et MTBF ?
La durée de vie en service est souvent calculée comme la durée moyenne de fonctionnement des unités tombées en panne, ce qui ignore les pompes encore en marche. Le temps moyen entre pannes divise le temps de fonctionnement total de toutes les unités par le nombre de pannes. Si l'on compte toutes les remontées, et pas seulement les pannes, on obtient un temps moyen avant remontée. Les courbes de survie donnent une image plus complète qu'une simple moyenne.
Le modèle de prédiction doit-il pouvoir arrêter ou régler la pompe ?
Non. Gardez-le en mode consultatif : il lit les données du SCADA ou de l'historian et envoie des alertes aux ingénieurs production et maintenance. Les déclenchements et protections restent dans le variateur et le système de contrôle, et ce sont des personnes qui décident des changements de fréquence et des workovers.



