Рассматривается задача идентификации топологии распределительной сети 0,4 кВ комплекса зданий ИПУ РАН по данным приборов учёта за март-июнь 2024 г. Решение выполнено для трёх сценариев: обучение с частичной разметкой, кластеризация с известным числом кластеров и полностью без учителя. Для первых двух сценариев предложен набор интерпретируемых методов: двухфакторная пороговая классификация (по средним значений напряжения и температуры), спектральная кластеризация на основе корреляции Пирсона и ансамбль GMM, K-Means, Spectral Clustering. Ключевым фактором успеха стало использование физически релевантных электрических параметров, обеспечившее абсолютную точность. Градиентный бустинг CatBoost с квантильными статистиками фазных напряжений также достиг точности 1,0. Для третьего (полностью неконтролируемого) сценария построен граф связности устройств на основе нормализованных DTW-расстояний, сообщества выделены методами Statistical Inference и SBM. Значение F1-меры составило около 0,85, что подтверждает работоспособность подхода при полном отсутствии разметки. Разработанные алгоритмы применимы для автоматического восстановления топологии и мониторинга целостности распределительных сетей. Перспективны тестирование на разнородных данных, адаптация к~меняющейся топологии (online-обучение) и разработка адаптивных порогов.