При управлении сетью автозаправочных станций (АЗС) необходимо решать в динамике следующие задачи: определение объемов закупок по видам реализуемых нефтепродуктов и перераспределение имеющегося объема различного вида нефтепродуктов по автозаправочным станциям сети. Особенность данной задачи управления в том, что пополнение хранилищь нефтепродуктов осуществляется централизованно, а реализация каждого вида горючего производится на отдельных автозаправочных станциях сети, то есть во множестве пунктов. При этом должен производиться учет объема каждого реализуемого вида горючего каждой станцией сети в отдельности с учетом сезонного спроса на конкретный нефтепродукт. Помимо моделирования спроса необходима информация по объему нефтепродуктов, которые могут быть закуплены у поставщиков с возможностью увеличения или уменьшения объема закупок в связи со спросом. Для решения этой задачи должен быть определен перечень поставщиков конкретного вида нефтепродукта с возможным диапазоном объемов поставок. В предлагаемой модели предпринята попытка решения перечисленных выше задач. Для их решения разработана модель управления, которая была реализована с помощью среды программирования Visual Studio C# и СУБД MS SQLServer. При разработке структуры таблиц базы данных была учтена задача управления сетью заправочных станций на основе сети Петри: то есть в таблицах базы предусмативалось хранение информации по объемам поставок нефтепродуктов, объемам продаж каждого вида нефтепродукта, а также времени поставок и продаж. Для решения задачи централизованной закупки по всем видам горючего в базе данных были предусмотрены таблицы с информацией о поставщиках и возможных объемов поставок ими различного вида нефтепродуктов. Для решения задач прогноза спроса в модель включены алгоритмы прогнозирования объемов реализации нефтепродуктов на основании накапливаемых динамических рядов данных по каждому виду горючего в отдельности. Прогнозирование выполнялось с целью оценки необходимых объемов закупки нефтепродукта на предстоящий период. Алгоритмы прогноза реализованы с помощью двух методов: линейной аппроксимацией и экспоненциального сглаживания. Оба алгоритма позволяют учитывать сезонность спроса.