A NOVEL METHOD TO MONITOR ELECTRICAL SUBMERSIBLE PUMP USING PRINCIPAL COMPONENTS ANALYSIS – HOTELLING’S T2 PARAMETER BACHELOR THESIS Zumar Jatsiyah Hadiid Hermawan 12219045 Submitted as partial fulfillment of the requirements for the degree of BACHELOR OF ENGINEERING in Petroleum Engineering study program PETROLEUM ENGINEERING STUDY PROGRAM FACULTY OF MINING AND PETROLEUM ENGINEERING INSTITUT TEKNOLOGI BANDUNG 2023 A NOVEL METHOD TO MONITOR ELECTRICAL SUBMERSIBLE PUMP USING PRINCIPAL COMPONENTS ANALYSIS – HOTELLING’S T2 PARAMETER Zumar Jatsiyah Hadiid Hermawan*, Silvya Dewi Rahmawati S.Si, M.Si., Ph.D. **, and Marda Vidrianto, S.T., M.T.*** Copyright 2023, Institut Teknologi Bandung Abstract An electrical submersible pump (ESP) is one of the artificial lift methods that is commonly used in mature oil fields. Considering its smaller surface footprint and ability to support higher production rates with higher water cuts than other artificial lift methods, this equipment is often selected for an artificial lift for the oil wells at some point in its life cycle. However, costs related to pump failure and workover are expected to be millions of dollars annually if it happens. It has become crucial to monitor the pump in real-time to prevent the impending failure of the pumps. The ammeter chart is the earliest diagnostic tool for ESP performance. After that, the downhole measurements were utilized to get more precise downhole conditions. Furthermore, for more robust diagnostics tools, the operator often combines an ammeter chart, downhole sensor data, and well-test data. However, it has a lot of information to be evaluated for one pump at one time. For one pump, seven parameters must be evaluated which are average ampere, flow rate, motor temperature, intake temperature, discharge pressure, intake pressure, and vibration. If one pump is required to evaluate seven parameters, then for a whole field, let’s say 300 wells, it is required to evaluate 2100 parameters at a single time. In this study, an algorithm is built to generate a single parameter that could be used to detect the operating condition of the pump which is normal or not. The seven parameters the pump used as input to the algorithm, then the algorithm generates a single parameter at a single time. Therefore, to monitor a field with 300 wells, it is only required to evaluate 300 parameters, seven times less than conventional way. This study used fourteen datasets from fourteen different wells in one of the fields in Indonesia. The model was verified by real pump conditions, then the model results are compared with ammeter chart and downhole sensor. At the end of the study, real-time electrical submersible pump monitoring dashboard is simulated with one of the datasets. This study concludes that the new parameter is as sensitive as downhole sensor but simple to monitor as well as ammeter chart. Keywords: ESP, PCA, unsupervised machine learning, monitoring Sari Electrical submersible pump (ESP) adalah salah satu metode pengangkatan buatan yang umum digunakan di lapangan minyak tua. Mempertimbangkan jejak permukaannya yang lebih kecil dan kemampuannya untuk mendukung tingkat produksi yang lebih tinggi dengan pemotongan air yang lebih tinggi daripada metode pengangkatan buatan lainnya, peralatan ini sering dipilih untuk pengangkatan buatan untuk sumur minyak di beberapa titik dalam siklus hidupnya. Namun, biaya yang terkait dengan kegagalan pompa dan pengerjaan ulang diperkirakan mencapai jutaan dolar setiap tahunnya jika hal itu terjadi. Menjadi sangat penting untuk memantau pompa secara real-time untuk mencegah kegagalan pompa yang akan datang. Ammeter chart adalah alat diagnostik paling awal untuk kinerja ESP. Setelah itu dilakukan pengukuran downhole untuk mendapatkan kondisi downhole yang lebih presisi. Selain itu, untuk alat diagnostik yang lebih andal, operator sering menggabungkan ammeter chart, data sensor downhole, dan data uji sumur. Namun, ada banyak informasi yang harus dievaluasi untuk satu pompa pada satu waktu. Untuk satu pompa saja, tujuh parameter harus dievaluasi yaitu rata-rata ampere, laju aliran, temperatur motor, temperatur intake, tekanan discharge, tekanan intake, dan getaran. Jika satu pompa diperlukan untuk mengevaluasi tujuh parameter, maka untuk seluruh bidang, katakanlah 300 sumur, diperlukan untuk mengevaluasi 2.100 parameter sekaligus. Pada penelitian ini dibangun sebuah algoritma untuk menghasilkan parameter tunggal yang dapat digunakan untuk mendeteksi kondisi operasi pompa normal atau tidak. Ketujuh parameter pompa digunakan sebagai masukan pada algoritma, kemudian algoritma menghasilkan parameter tunggal dalam satu waktu. Oleh karena itu, untuk memantau lapangan dengan 300 sumur, hanya diperlukan evaluasi 300 parameter, tujuh kali lebih sedikit dari cara konvensional. Penelitian ini menggunakan empat belas dataset dari empat belas sumur berbeda di salah satu lapangan di Indonesia. Model diverifikasi dengan kondisi pompa sebenarnya, kemudian hasil model dibandingkan dengan ammeter chart dan sensor downhole. Pada akhir studi, real-time electrical submersible pump monitoring dashboard disimulasikan dengan salah satu dataset. Studi ini menyimpulkan bahwa parameter baru ini sama sensitifnya dengan sensor downhole tetapi mudah dipantau seperti ammeter chart. Kata kunci: ESP, PCA, unsupervised machine learning, monitoring *) Student of Petroleum Engineering Study Program, Institut Teknologi Bandung, 2019 batch **) Thesis Advisor in Petroleum Engineering Study Program, Institut Teknologi Bandung ***) Thesis Advisor from Pertamina Hulu Energi Offshore Southeast Sumatra.