En los últimos años, los precios de la energía se han vuelto cada vez más volátiles, lo que dificulta predecirlos con precisión. Este comportamiento incierto del mercado hace que sea más difícil para los participantes del mercado, por ejemplo, los despachadores de plantas de energía, tomar decisiones fiables. El aprendizaje automático (ML) ha surgido recientemente como una técnica poderosa de inteligencia artificial (IA) para obtener predicciones fiables en situaciones particularmente volátiles e impredecibles. Este desarrollo hace que los modelos de ML sean un complemento atractivo para otros enfoques que requieren un esfuerzo de modelado humano más extenso y suposiciones sobre los mecanismos del mercado. Este estudio investiga la aplicación de enfoques de aprendizaje automático y profundo para predecir los precios de la electricidad del día siguiente para un horizonte de 7 días en el mercado spot alemán para dar a las plantas de energía suficiente tiempo para aumentar o disminuir su producción. Se realiza un análisis cualitativo y cuantitativo, evaluando el rendimiento del modelo en cuanto al horizonte de pronóstico y su robustez dependiendo de los hiperparámetros seleccionados. Con fines de evaluación, se eligen manualmente tres escenarios de prueba con diferentes características. Se entrenan, optimizan y comparan varios modelos entre sí utilizando métricas de rendimiento comunes. Este estudio muestra que los modelos de aprendizaje profundo superan a los modelos basados en árboles y estadísticos a pesar o debido a los precios volátiles de la energía.