针对希尔伯特-黄变换过程中经验模态分解出现的端点效应问题，采用极限学习机（ExtremeLearningMachine，ELM）算法对原始数据序列分别向左右两端延拓，对扩展后的数据序列用B样条插值函数求其平均曲线，在此基础上进行下一步分解，结束分解后摒弃两端延展的数据，使算法得到优化，起到了抑制端点效应的作用。通过与未经延拓，BP神经网络延拓和支持向量机延拓各项指标的对比分析表明，该算法不仅有效抑制了经验模态分解过程中的端点效应，在预测速度和分解精度上都有一定的优势。将该方法应用于电力系统的谐波分析中，仿真结果表明该方法能有效抑制EMD的端点效应，更好地分解出谐波中含有的不同频率谐波分量。