도시 전력망의 복잡한 토폴로지 (Topology) 및 계층 구조를 이해하는 것은 에너지 예측, 조류 관리 (Power flow management), 그리고 시스템 회복탄력성 (Resilience) 분석에 있어 매우 중요합니다. 그러나 상세한 그리드 정보는 여전히 대부분 독점적인 상태로 남아 있습니다. 이는 특히 개별 건물들을 연결하는 라스트 마일 (Last-mile) 배전망을 분석할 때 연구와 혁신에 상당한 장벽을 형성합니다. 본 논문은 고전압 송전부터 개별 건물 연결에 이르기까지 도시 전력망 토폴로지를 완전히 식별하기 위한 오픈 데이터 기반 프레임워크를 개발함으로써 이 문제를 해결합니다. 특히, 우리는 그래프 기반 알고리즘 (Graph-based algorithms)을 사용하여 공공 인프라 데이터(송전선, 변전소, 변압기, 전신주)를 융합함으로써 고전압 및 중전압 골격을 매핑합니다. 그런 다음 OpenStreetMap 건물 데이터에 지리공간 머신러닝 (Geospatial machine learning)을 활용하여 전력 수요 클러스터를 그룹화하고, 클러스터링된 건물들을 연결하는 최종 배전선의 물리적 토폴로지를 추론합니다. 우리는 개발된 프레임워크를 노르웨이 오슬로의 알나 (Alna) 지구에 적용하였으며, 7,330개의 건물과 모든 주요 전기 인프라 자산을 연결하는 완전한 그리드 토폴로지를 재구성하였습니다. 본 연구를 통해 우리는 전력 조류 최적화 (Power flow optimization), 연쇄 고장 시뮬레이션 (Cascading failure simulation), 그리고 분산형 재생 에너지 침투에 대한 그리드 회복탄력성 등 전력 시스템 분석을 용이하게 하는 핵심적인 도구를 제공합니다.