Topološki procesor važan je korak u procesu estimacije stanja EES-a. U ovom radu prezentiran je novi pristup topološkom procesiranju temeljen na interpretaciji refleksije utisnutog ispitnog naponskog signala. Prikazan je način kako iz reflektiranog ispitnog naponskog signala koji ima karakter putujućeg vala ekstrapolirati topološku informaciju pomoću umjetnih neuronskih mreža. Ispitni naponski signal utiskuje se u optimalno odabrane sabirnice mreže gdje se i očitava refleksija. Metoda optimalnog odabira sabirnica razrađena je u radu i temelji se na svođenju optimizacijskog problema u poznate optimizacijske okvire. Topološka informacija ekstrapolira se iz izmjerenog signala pomoću sustava umjetnih neuronskih mreža koji se sastoji od dvaju dijelova: sustav za dekompoziciju signala (DANN) i sustav za prepoznavanje topologije (TANN) iz dekomponiranog signala. Očitani je signal superpozicija refleksija od svake pojedine sabirnice u promatranom dijelu mreže, a DANN sustav razlaže signal na doprinose svake pojedine refleksije. Izlazna vrijednost DANN sustava je vektor koji sadrži amplitude svakog pojedinačnog reflektiranog signala i taj vektor predstavlja ulazni vektor TANN sustava. TANN sustav kao rezultat vraća klasificirani vektor sa binarnim uklopnim stanjem na svakom kraju pojedinog voda što u konačnici predstavlja i topologiju mreže. Sustav neuronskih mreža prolazi proces učenja na bazi već poznatih topologija dobivenih mjerenjem ili simulacijom. U svrhu verifikacije, opisana metoda primijenjena je na pojednostavljenom modelu dijela elektroenergetske mreže. Analiza dobivenih rezultata pokazala je zadovoljavajuću efikasnost u prepoznavanju topološke strukture. Metoda dekompozicije ulaznog signala pomoću sustava neuronskih mreža na sastavne dijelove najveći je znanstveni doprinos ovog rada.