暂态电压失稳事件紧急控制措施制定是电力系统仿真分析中的一个重要内容，离线预先制定紧急切负荷决策，在线匹配执行决策方案。但该工作目前主要依赖专家分析海量仿真数据得到，耗时耗力。因此提出了一种融合电网拓扑信息的分支竞争Q网络智能体的电力系统紧急切负荷决策方法，以提高离线紧急切负荷决策的效率。首先，建立了一种基于事件驱动的马尔科夫决策过程，可以有效指导深度强化学习智能体的训练。其次，设计了一种分支竞争Q网络智能体，相比传统无分支网络，基于分支竞争Q网络智能体具有更强的训练效率和决策能力。然后，为进一步增强智能体的训练效率和决策性能，通过图卷积增强将电力系统拓扑信息融入到智能体的训练过程。最后，在中国电力科学研究院8机36节点系统进行了验证。相比于无分支网络和无拓扑信息融入的深度强化学习智能体，所提方法具有更高的训练效率和决策性能。