本发明公开了一种基于量子花朵授粉算法优化AdaBi‑LSTM模型的电力设备和主体持续信任评估方法。该方法首先采集电力设备和主体的静态信息、交互历史、动作属性和环境属性等信息，通过ADASYN方法平衡数据集，对数据进行清洗和归一化处理，形成模型的训练集和测试集。然后通过自适应双向长短时记忆网络，将迁移学习和双向长短时记忆网络有机结合，通过对模型进行有效训练，并采用量子花朵授粉算法不断更新模型参数，充分考虑到了电力设备和主体的历史信息和未来信息的相关性，最后将建立的模型作为电力设备和主体行为的预测模型，实现电力设备和主体行为的准确预测，实时评估设备和主体的信任度，调整用户的权限级别，实现准确的管理和控制。