En la gestión de la salud de satélites, las anomalías se resuelven principalmente después de un evento y rara vez se predicen con antelación. Por lo tanto, la predicción de tendencias es crítica para evitar fallos en los satélites, lo que puede afectar la precisión y calidad de los datos satelitales e incluso impactar significativamente la seguridad. Sin embargo, es difícil predecir el funcionamiento de un satélite utilizando un modelo simple porque los sistemas satelitales son complejos y los datos de telemetría son copiosos, acoplados e intermitentes. Por lo tanto, este estudio propone un modelo que combina un mecanismo de atención y memoria a largo y corto plazo bidireccional (attention-BiLSTM) con la correlación de telemetría para predecir el comportamiento del satélite. Primero, se utiliza un método de información mutua K-vecinos más cercanos de alta dimensión para seleccionar las variables de telemetría relacionadas de múltiples variables de datos de telemetría satelital. A continuación, proponemos un nuevo modelo BiLSTM con un mecanismo de atención para la predicción de telemetría. El conjunto de datos utilizado en este estudio fue generado y transmitido desde el sistema de energía del satélite meteorológico FY3E. El método propuesto se comparó con otros métodos utilizando el mismo conjunto de datos utilizado en el experimento para verificar su superioridad. Los resultados confirmaron que el método propuesto superó a los otros métodos debido a su precisión de predicción y superior exactitud, lo que indica su potencial para su aplicación en sistemas inteligentes de gestión de la salud de satélites.